python如何获取javascript动态产生的数据

原创 2015年11月20日 16:38:24

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。







版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

[python爬虫] Selenium常见元素定位方法和操作的学习介绍

这篇文章主要Selenium+Python自动测试或爬虫中的常见定位方法、鼠标操作、键盘操作介绍,希望该篇基础性文章对你有所帮助,如果有错误或不足之处,请海涵~ 一.定位元素方法 二.操作元素方法 ...

python 爬虫如何获取js里面的内容

在编写爬虫软件时发现无法获取到新浪新闻评论的条数,最后发现因为它是存放在js中的,本文就讲述如何从js中获取页面需要的数据内容

python解析网页中javascript动态添加的内容

最近,想从中国天气网上抓取数据,其中的网页上的实时天气是使用javascript生成的,用简单的标签解析不到。原因是,那个标签压根就没再网页当中。 所以,google了下python怎么区解析动...

使用python抓取js动态加载的网页

原文地址:http://blog.csdn.net/lambert310/article/details/49248109 我们在做网页抓取的时候,一般来说使用urllib和urllib2就能满...

(python解析js)selenium结合phantomjs抓取js生成的页面

有些网页是在加载时动态创建HTML内容,只要在js代码完全执行完后才会显示最终结果。如果用传统的方法抓取页面,就只能获得js代码执行之前页面上的内容。要解决这个问题有两种方法: 1.直接从js代码...

使用selenium+phantomjs模拟登录淘宝

使用自动化工具selenium可以很方便模拟淘宝登录 from selenium import webdriver driver = webdriver.PhantomJS(executabl...

python抓取javascript动态生成HTML内容的实践

本实验在Ubuntu14.04上完成。使用的浏览器是火狐(Firefox 33.0),python版本是2.7.6。 大家都知道用urllib配合正则表达式抓取静态HTML的内容很方便,但是如果网页中...
  • THU_Wm
  • THU_Wm
  • 2014-12-03 08:47
  • 2430

python下利用Selenium获取动态页面数据

利用python爬取网站数据非常便捷,效率非常高,但是常用的一般都是使用BeautifSoup、requests搭配组合抓取静态页面,即网页上显示的数据都可以在html源码中找到,而不是网站通过js或...

JavaScript实现动态添加页面的表格行数并获取数据

JavaScript实现动态添加页面的表格行数并获取数据,获取后的数据按照特殊的方式拼接存入数据库,用的时候再把它解析出来就行了。 车型 数量 ...

python3 网络爬虫(三)利用post请求获取网页的动态加载数据

环境:python3.4 win7 框架:scrapy上一篇讲了利用get请求获取王爷的动态加载数据,这一篇文章让我们来简单介绍一下如何用post请求来获取网页的动态加载数据,这一次我们面对的...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)