2021-10-12

药监局爬取

import requests
from lxml import etree
import os
import json
import time

def get_page(url, params):
    headers = {
        'User-Agent' : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36"
    }
    response = requests.post(url=url, headers=headers, params=params)
    if response.status_code == 200:
        return response
    else:
        return None

def main():
    url = "http://scxk.nmpa.gov.cn:81/xk/itownet/portalAction.do?method=getXkzsList"
    id_list = []
    for i in range(1, 2):
        params = {
            'on': 'true',
            'page': str(i),
            'pageSize': '15',
            'productName': '',
            'conditionType': '1',
            'applyname': '',
            'applysn': ''
        }
        response = get_page(url=url, params=params).json()
        time.sleep(0.5)
        ids = response['list']
        for id in ids:
            id_list.append(id['ID'])
    print(id_list)
    # 获取信息
    info_url = 'http://scxk.nmpa.gov.cn:81/xk/itownet/portalAction.do?method=getXkzsById'
    information = []
    num = 0
    for id in id_list:
        if num % 15 == 0:
            print("爬取第{}页".format(num//15 + 1))
        data = {
            'id': id
        }
        info = get_page(url=info_url, params=data).json()

        time.sleep(0.1)
        info_dic = {}
        name = info['businessPerson']
        addr = info['epsAddress']
        info_dic['负责人'] = name
        info_dic['地址'] = addr
        information.append(info_dic)
        num += 1
    print(information)



if __name__ == '__main__':
    main()

问题

  1. 爬取的过程中一开始使用的是Get请求,但是当把页面请求到的时候,发现是没有中间的主题信息的。 从而判定是动态请求,并且从动态请求的那个response里是有中间的主题信息。
    找准url,判断是Post请求还是Get请求
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值