在使用urllib2或者requests爬取网页时,碰到了问题,网页的数据是通过Ajax方式加载的,返回的html代码和网页开发者调试中显示的内容不一致,类似于下面这样
上面第一张是开发者选项中的源码,下面这是requests返回的html代码,明显不同。所以通过requests是无法准确筛选出我们需要的信息。
这时候我们就需要通过POST方式获取到服务器发送的json信息,然后进行筛选。如何获取,这里以获取网页版网易云音乐中的
see you again 的第一页的热评和评论为例:
(1) 首先,我们进入网页版网易云搜索 see you again,打开开发者选项,发现html文档是GET方式获取的,获取URL是http://music.163.com/ 这和我们使用requests获取到的html是一样的,这里面没有我们需要的数据。:
(2) 我们需要的是服务器返回的json数据,所以需要找到POST方式的数据报