python爬虫学习第十五天-------ajax的get和post请求

嗨嗨嗨！兄弟姐妹大家好哇！今天我们来学习ajax的get和post请求

一、了解ajax

Ajax（Asynchronous JavaScript and XML）是一种在 Web 开发中用于创建交互式网页应用程序的技术。通过 Ajax，网页可以在不重新加载整个页面的情况下，与服务器进行异步通信，从而实现动态加载内容和更新页面的部分内容。

在 Ajax 中，最常用的请求方法是 GET 和 POST。GET 请求用于从服务器获取数据，而 POST 请求用于向服务器提交数据。通过 GET 请求，可以向服务器发送查询参数，服务器根据这些参数返回相应的数据。这使得网页能够动态地获取和显示数据，而无需刷新整个页面。

二、ajax的get请求

Ajax 是一种在 Web 开发中用于创建交互式网页应用程序的技术。在爬取包含 Ajax 请求的网页时，通常需要模拟这些请求，以获取完整的数据。Python 爬虫可以通过模拟这些 Ajax 请求来获取动态加载的内容。

要实现爬取包含 Ajax 请求的网页，通常需要以下步骤：

1. 分析网页：使用开发者工具或类似工具分析网页，找到包含 Ajax 请求的 URL、请求方法、请求参数等信息。
2. 模拟请求：使用 Python 的网络请求库（如 requests）构造并发送与 Ajax 请求相同的请求。
3. 解析响应：解析 Ajax 请求的响应内容，提取所需的数据。
4. 循环请求：如果需要获取多页数据，可以根据网站的分页规则构造多个请求。

以下是一个简单的示例，演示如何使用 Python 爬虫模拟 Ajax 的 GET 请求：

import requests

url = '<https://api.example.com/data>'
params = {
    'param1': 'value1',
    'param2': 'value2'
}

response = requests.get(url, params=params)
if response.status_code == 200:
    data = response.json()
    print(data)
else:
    print('请求失败:', response.status_code)

在这个示例中，我们使用了 requests 库发送了一个带有参数的 GET 请求，并将响应解析为 JSON 格式的数据。请注意，实际的 Ajax 请求可能需要更复杂的参数配置和数据解析。

案列：

(1)爬取豆瓣电影前10页的数据

要爬取豆瓣电影前10页的数据，首先需要找到豆瓣电影的网页地址和Ajax请求的接口。以豆瓣电影Top250为例，网页地址为 https://movie.douban.com/top250，Ajax请求接口为 https://movie.douban.com/j/chart/top_list?type=11&interval_id=100%3A90&action=&start=0&limit=20。

接下来，我们可以编写Python代码来模拟Ajax请求，实现爬取豆瓣电影Top250前10页的数据。以下是一个示例代码：

import requests
import json
import time

url = '<https://movie.douban.com/j/chart/top_list>'
params = {
    'type': '11',         # 类型为电影Top250
    'interval_id': '100:90',  # 区间为100年代到90年代
    'action': '',         # 未指定动作
    'start': '0',         # 起始位置，每页20个
    'limit': '20'         # 每页数量
}

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36'
}

movies_data = []

for page in range(10):  # 爬取前10页
    params['start'] = str(page * 20)  # 计算每页起始位置
    try:
        response = requests.get(url, params=params, headers=headers)
        if response.status_code == 200:
            movies = response.json()
            movies_data.extend(movies)
            time.sleep(1)  # 每次请求后暂停1秒，减少请求频率
        else:
            print('请求失败:', response.status_code)
            break
    except requests.exceptions.RequestException as e:
        print('请求异常:', e)
        break

# 打印所有电影信息
for movie in movies_data:
    print(f"电影名称：{movie['title']}")
    print(f"评分：{movie['score']}")
    print(f"链接：{movie['url']}")
    print()

请注意，豆瓣网站有反爬虫机制，频繁的请求可能会被拒绝。建议在开发爬虫时遵守网站的规定，避免对网站造成过大的负担。

结果：

(2)

贴近实际情况的示例，演示如何使用Python的Requests库和Beautiful Soup库爬取一个使用Ajax加载的网页。我们将从一个示例网站获取数据，该网站使用Ajax加载商品信息，并且商品信息支持分页。

假设我们要爬取的网站是 https://www.example.com/products，该网站上有关于商品的信息，商品信息通过Ajax加载，每次加载10个商品，我们需要模拟点击“加载更多”按钮来获取所有商品信息。

import requests
from bs4 import BeautifulSoup
import json

url = '<https://www.example.com/products>'
params = {
    'page': 1,  # 第一页商品
    'limit': 10  # 每页10个商品
}

products_data = []

while True:
    response = requests.get(url, params=params)
    if response.status_code == 200:
        soup = BeautifulSoup(response.text, 'html.parser')
        # 找到商品数据所在的标签
        products = soup.find('div', class_='products-list')
        if not products:
            break
        # 提取商品数据
        for product in products.find_all('div', class_='product'):
            product_info = {
                'name': product.find('h3').text.strip(),
                'price': product.find('span', class_='price').text.strip(),
                'description': product.find('p', class_='description').text.strip()
            }
            products_data.append(product_info)
        # 判断是否还有下一页商品
        if soup.find('a', class_='load-more'):
            params['page'] += 1
        else:
            break
    else:
        print('请求失败:', response.status_code)
        break

# 打印所有商品信息
for product_info in products_data:
    print(f"商品名称：{product_info['name']}")
    print(f"价格：{product_info['price']}")
    print(f"描述：{product_info['description']}")
    print()

请注意，实际网站的商品加载可能会有更复杂的逻辑和参数，您需要根据具体情况调整代码。同时，注意网站的爬取规则，不要对网站造成过大的负担或违反其使用规定。

三、ajax的post请求

Python 爬虫中的 Ajax POST 请求指的是使用 Python 发送模拟浏览器发送的 POST 请求，以获取网页上通过 Ajax 加载的动态内容。Ajax 是一种在 Web 开发中使用的技术，能够在不刷新整个页面的情况下，通过异步请求与服务器进行通信，并更新页面的部分内容。

要实现 Python 爬虫的 Ajax POST 请求，一般需要以下步骤：

1. 分析请求：使用开发者工具分析网页，找到需要获取数据的 Ajax 请求的 URL、请求方式、请求参数等信息。
2. 构造请求：使用 Python 的 requests 库构造 POST 请求，并设置请求头部信息，模拟浏览器发送请求。
3. 发送请求：发送构造好的 POST 请求到服务器，并获取返回的响应数据。
4. 处理响应：解析响应数据，提取需要的信息，如 JSON 格式的数据或 HTML 内容。

下面是一个示例，演示了如何使用 Python 爬虫发送 Ajax 的 POST 请求：

import requests

url = '<https://example.com/api/data>'
data = {
    'param1': 'value1',
    'param2': 'value2'
}

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36',
    'X-Requested-With': 'XMLHttpRequest'  # 模拟 Ajax 请求的关键头部信息
}

response = requests.post(url, data=data, headers=headers)

if response.status_code == 200:
    result = response.json()
    print(result)
else:
    print('请求失败:', response.status_code)

在这个示例中，我们使用 requests 库发送了一个带有数据的 POST 请求，并设置了模拟 Ajax 请求的关键头部信息 'X-Requested-With': 'XMLHttpRequest'。根据实际情况，你可能需要调整 URL、数据和请求头部信息。

案例：

面是一个示例，演示了如何使用 Python 爬虫模拟登录并发送带有身份验证信息的 Ajax POST 请求来获取登录后的数据：

import requests

# 登录页面 URL
login_url = '<https://example.com/login>'
# 登录表单数据
login_data = {
    'username': 'your_username',
    'password': 'your_password'
}

# 登录请求，使用 session 保持会话状态
session = requests.Session()
response = session.post(login_url, data=login_data)

if response.status_code == 200:
    # 登录成功后的操作
    # 获取登录后页面的数据，假设为 <https://example.com/data>
    data_url = '<https://example.com/data>'
    data_response = session.post(data_url)
    
    if data_response.status_code == 200:
        # 处理数据
        data = data_response.json()
        print(data)
    else:
        print('获取数据失败:', data_response.status_code)
else:
    print('登录失败:', response.status_code)

在这个示例中，我们首先发送了一个 POST 请求来模拟登录。如果登录成功，会话将保持，然后我们使用相同的会话发送了另一个带有身份验证信息的 POST 请求来获取登录后的数据。这种方式可以模拟用户在浏览器中的操作，获取登录后才能访问的数据。

四、总结

总的来说，在使用Python进行网络爬虫时，要根据具体的需求和目标网站的接口设计选择合适的请求方式。GET请求适合用于获取数据，而POST请求适合用于提交数据。通过**requests**库，我们可以方便地发送这两种类型的AJAX请求，并获取服务器响应。使用正确的请求方式能够更有效地进行数据采集和处理，提高爬虫的效率和可靠性。