关闭

python如何获取javascript动态产生的数据

标签: python抓取js动态产生的数据
2080人阅读 评论(0) 收藏 举报
分类:

我现有有一个工作,需要从新浪新闻网站中获取数据,包括,标题,正文,和参与人数。


如图所示想得到 820,但是动态产生的。该新闻的url为http://news.sina.com.cn/c/2013-07-11/175827642839.shtml 陕西眉县发红头文件:官员卖水泥买房纳入考核
<a id="media_comment" href="#J_Comment_Wrap" rel="我有话说" class="J_Comment_Count_Txt" style="display:none;" action-type="anchorGo" action-data="y=-50" data-sudaclick="media_comment">我有话说</a>

这段代码产生的参与人数820,使用什么工具来获取?

像这种情况一般是异步请求json或者jsonp,直接监控network就行了:以chrome浏览器为例。
1.右键页面-审查元素-Network,切换到network面板,刷新页面。然后浏览器和web后端的通信会被记录下来。

排除掉图片,css等。
要获取当前新闻的评论数,浏览器发送给服务器的请求里面一定会有一个和当前新闻id有关的参数,(当然理论上也有通过referer来实现id传递的,但是毕竟太奇葩,不予考虑)。
所以
1. 如果method为GET,在Name里面一定有一个特殊的字符串,用来标识要请求的是哪个新闻的评论。
2. 或者method为POST,那么在POST的参数里面会有一个能标识当前新闻的参数:
这是微信公众平台获取聊天信息的action,fromfakeid就是聊天对方的id。

如果要用POST方法获取某个新闻的评论数,在这里也会有一个参数用来标识出这个新闻。(比如“175827642839”)。
然后一个个排查,图片css均不考虑,那么很容易就能找到
comment5.news.sina.com.cn
可以精简为comment5.news.sina.com.cn
其中的newsid参数1-1-27642839和175827642839关系很明显了。
这是一个js,里面有一句:"count": {"qreply": 706, "total": 823, "show": 95},你要找的就在这里。
可以直接从字符串里面截取到total,或者去掉js头部的“var data =”。得到一个json字符串,解析成对象也能获取total 。
在新闻页面的源码里面找“1-1-27642839” 可以找到“newsid:'1-1-27642839',”


分析过程基本结束。
然后,你可以:
1.分析新闻页代码,得到newsid
2.请求comment5.news.sina.com.cn“newsid”
3.解析获取到的js,从js中得到新闻评论数。







0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:231381次
    • 积分:4745
    • 等级:
    • 排名:第6096名
    • 原创:222篇
    • 转载:185篇
    • 译文:1篇
    • 评论:24条
    最新评论