【个人理解】ajax请求是实现跨页面多页面爬取数据
一、get请求【豆瓣】
1.找到豆瓣电影的页面规律
# https://movie.douban.com/j/chart/top_list?type=20&interval_id=100%3A90&action=&start=0&limit=20
# https://movie.douban.com/j/chart/top_list?type=20&interval_id=100%3A90&action=&start=20&limit=20
仔细观察应该是start变化了,所以我们根据start变化规律来即可【start=(page-1)*20】
完整代码
import urllib.request
import urllib.parse
import json
def crate_request(page):
'''
创建请求对象
'''
base_url = 'https://movie.douban.com/j/chart/top_list?type=20&interval_id=100%3A90&action=&start='
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36 Edg/114.0.1823.67'
}
data = {
'start': (page - 1) * 20,
'limit': 20
}
new_url = urllib.parse.urlencode(data)
url = base_url + new_url
request = urllib.request.Request(url=url, headers=headers)
return request
def get_content(request):
'''
获取页面数据
'''
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
return content
def down_load(page, content):
'''
下载数据
'''
with open('douban' + str(page) + '.json', 'w') as fp:
fp.write(content)
if __name__ == '__main__':
start_page = int(input('输入起始页码:'))
end_page = int(input('输入结束页码:'))
for page in range(start_page, end_page+1):
request = crate_request(page)
content = get_content(request)
down_load(page, content)
因为这里用的方法在之前已经提到过,所以就不多做赘述。
二、post请求【kfc官网】
因为爬取kfc官网需要我们提交查询的店面地址,所以是属于post的提交数据给服务器进行处理。
需要改变的只是将data数据进行编码,然后将url、编码后的data和headers通过Request方法一起提交给服务器。