Python网络爬虫案例实战:静态网页爬取:JSON数据库
3.3JSON数据库
JSON 全称为JavaScript Object Notation,也就是JavaScript对象标记,它通过对象和数组的组合来表示数据,构造简洁但是结构化程度非常高,是一种轻量级的数据交换格式。下面进行简单的介绍,第7章将对其进行详细介绍。
3.3.1JSON的使用
像urllib1 和 urllib2,如果用到 JSON,就要引入新模块,如JSON 和 simplejson,但在Requests 中已经有了内置的函数----r.json()。以查询IP的API为例:
>>> r=requests.get ('http://ip.taobao.com')
>>> r.json()['data']['country']
3.3.2爬取抽屉网信息
此外,还可以利用Requests 和JSON 爬取网络信息。
[例3-1]爬取抽屉网信息(JSON数据)。
import requests
from fake_useragent import UserAgent
agent = UserAgent()
import json #
# # 不要重复造轮子
# # pip search 工具包名字
#
# # pip install fake_useragent
#
url = "https://dig.chouti.com/getTopTenLinksOrComments.json?_=1529764992551"
# # 通过浏览器获取的操作一般都是get请求
headers = { "Host":"dig.chouti.com",
"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:53.0) Gecko/20100101 Firefox/53.0",
"Accept": "application/json,text/javascript,*/*; q=0.01",
"Accept-Language": "zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3",
"Accept-Encoding":"gzip,deflate, br",
"X-Requested-With":"XMLHttpRequest",
"Referer":"https://dig.chouti.com/", "Cookie":"gpsd=0b08b9f5b945fd53eac7868a2e8945a8;JSESSIONID=aaazCSOWV2s7FcALFeHqw;gpid=55eaeb947f15445b82467624c476521f;_pk_id.1.a2d5=dbeb24b52f36519f.1529741245.1.1529741290.1529741245.;_pk_ses.1.a2d5=*",
"Connection":"keep-alive"}
data = {"_":"1529742010062"}
res = requests.post(url, headers=headers, data=data)
rs_js = json.loads(res.content)
print(rs_js['result']['data'])
运行程序,输出如下:
raiseFakeUserAgentError'Maximumamountofretriesreached')fake_useragent.errors.FakeUserAgentError:Maximumamountofretriesreached[{''action':1,'actiontime'':1558879802717000,'actiontimeStr'':'8分钟前','closeIp'':False,commentsCount':0,'comm