python爬虫学习之分析ajax请求

Introducation

本文先从分析网页开始，了解要干的目标是什么。

chrome开发者工具

F12打开chrome的开发者工具，我们关心的主要有这样几个列目：

Elements: 允许我们从浏览器的角度看页面，也就是说我们可以看到chrome渲染页面所需要的的HTML、CSS和DOM(Document Object Model)对象。此外，还可以编辑这些内容更改页面显示效果；

Network: 可以看到页面向服务器请求了哪些资源、资源的大小以及加载资源花费的时间，当然也能看到哪些资源不能成功加载。此外，还可以查看HTTP的请求头，返回内容等；

Resources: 对本地缓存（IndexedDB、Web SQL、Cookie、应用程序缓存、Web Storage）中的数据进行确认及编辑；

比如要抓取Opportunities,在点击opportunities之后，跳转到了一个详细的列表页面，期间，network自动更新，中间访问的页面包括js，css等等都列表在这里。

如果network标签页下面的栏目没有Method一列，则在Name上右键，把method勾中即可。可以看到每个元素都列出了get或者post方式。

而从Type一列可以看到请求到的文件类型，是script脚本、stylesheet css样式表还是document页面主文件等等。

查看post请求

要了解http的get和post请求，请参看文章 ：一个相对而言不安全 ，一个比较安全

在opportunities页面，network下可以看到主页面的文件BOListing.xhtml。

点击下一页以后，浏览器地址栏的网址并没有变，判定是javascript异步加载的网页，应该是ajax。

AJAX 是 Asynchronous JavaScript and XML（异步的 JavaScript 和 XML）的缩写。AJAX 通过使用原有的 web 标准组件，实现了在不重新加载整个页面的情况下，与服务器进行数据交互。例如在新浪微博中，你可以展开一条微博的评论，而不需要重新加载，或者打开一个新的页面。但是这些内容并不是一开始就在页面中的（这样页面就太大了），而是在你点击的时候被加载进来的。这就导致了你抓取这个页面的时候，并不能获得这些评论信息（因为你没有『展开』）。

AJAX 的一种常见用法是使用 AJAX 加载 JSON 数据，然后在浏览器端渲染。如果能直接抓取到 JSON 数据，会比 HTML 更容易解析。

AJAX 实际上也是通过 HTTP 传输数据的

找到真实的请求

AJAX 一般是通过 XMLHttpRequest 对象接口发送请求的，XMLHttpRequest 一般被缩写为 XHR。点击网络面板上漏斗形的过滤按钮，过滤出 XHR 请求。挨个查看每个请求，通过访问路径和预览，找到包含信息的请求

Reference

Tag标签: