今日头条爬虫实战----爬取图片

点击上方“蓝字”关注我们

今日头条爬虫实战

Mar 27, 2020

本期介绍通过在头条中搜索关键词后，分析ajax内容来爬取相关图片

本文约1.8k字，预计阅读10分钟。

有时候我们在用 「requests」抓取页面的时候，得到的结果可能和在浏览器中看到的不一样：在浏览器中可以看到正常显示的页面数据，但是使用 requests得到的结果并没有。这是因为 requests获取的都是原始的HTML 文档，而浏览器中的页面则是经过 JavaScript处理数据后生成的结果，这些数据的来源有多种，可能是通过 Ajax加载的， 可能是包含在 HTML 文档中的，也可能是经过 JavaScript和特定算法计算后生成的 。

对于第一种情况，数据加载是一种异步加载方式，原始的页面最初不会包含某些数据，原始页面加载完后，会再向服务器请求某个接口获取数据，然后数据才被处理从而呈现到网页上，这其实就是发送了一个「Ajax」请求 。

所以如果遇到这样的页面，直接利用 requests等库来抓取原始页面，是无法获取到有效数据的，这时需要分析网页后台向接口发送的「 Ajax」请求，如果可以用「 requests」来模拟 「Ajax」请求，那么就可以成功抓取了 。

页面分析

打开Chrome/Safrai中的「检查」---「网络」，在头条官网上进行搜索，例如：天气之子，向下滚动，加载所有的信息，部分结果如下所示：

选择