0什么是Ajax
Ajax，全称为Asynchronous JavaScript and XML，即异步的JavaScript和XML，论坛里面也有的说是js的高级应用。它不是一门编程语言，而是利用JavaScript在保证页面不被刷新、页面链接不改变的情况下与服务器交换数据并更新部分网页的技术。
对于传统的网页，如果想更新其内容，那么必须要刷新整个页面，但有了Ajax，便可以在页面不被全部刷新的情况下更新其内容。在这个过程中，页面实际上是在后台与服务器进行了数据交互，获取到数据之后，再利用JavaScript改变网页，这样网页内容就会更新了。
可以到W3School上体验几个示例来感受一下：http://www.w3school.com.cn/ajax/ajax_xmlhttprequest_send.asp
举个栗子
浏览网页的时候，我们会发现很多网页都有下滑查看更多的选项。比如，拿微博来说，我们以他的个人的主页为例：https://m.weibo.cn/u/2830678474，切换到微博页面，一直下滑，可以发现下滑几个微博之后，再向下就没有了，转而会出现一个加载的动画，不一会儿下方就继续出现了新的微博内容，这个过程其实就是Ajax加载的过程，如图6-1所示。，下拉就一直会有新的内容出现
1. 分析请求
打开Ajax的XHR过滤器，然后一直滑动页面以加载新的微博内容。可以看到，会不断有Ajax请求发出。
选定其中一个请求，分析它的参数信息。点击该请求，进入详情页面，如图6-11所示。
图6-11 详情页面
可以发现，这是一个GET类型的请求，请求链接为[https://m.weibo.cn/api/container/getIndex?type=uid&value=2830678474&containerid=1076032830678474&page=2)。请求的参数有4个：type、value、containerid和page。
随后再看看其他请求，可以发现，它们的type、value和containerid始终如一。type始终为uid，value的值就是页面链接中的数字，其实这就是用户的id。另外，还有containerid。可以发现，它就是107603加上用户id。改变的值就是page，很明显这个参数是用来控制分页的，page=1代表第一页，page=2代表第二页，以此类推。
2. 分析响应
随后，观察这个请求的响应内容，如图6-12所示。
图6-12 响应内容
这个内容是JSON格式的，浏览器开发者工具自动做了解析以方便我们查看。可以看到，最关键的两部分信息就是cardlistInfo和cards：前者包含一个比较重要的信息total，观察后可以发现，它其实是微博的总数量，我们可以根据这个数字来估算分页数；后者则是一个列表，它包含10个元素，展开其中一个看一下，如图6-13所示。
图6-13 列表内容
可以发现，这个元素有一个比较重要的字段mblog。展开它，可以发现它包含的正是微博的一些信息，比如attitudes_count（赞数目）、comments_count（评论数目）、reposts_count（转发数目）、created_at（发布时间）、text（微博正文）等，而且它们都是一些格式化的内容。
这样我们请求一个接口，就可以得到10条微博，而且请求时只需要改变page参数即可。
这样的话，我们只需要简单做一个循环，就可以获取所有微博了。
3. 实战演练
这里我们用程序模拟这些Ajax请求，将我的前10页微博全部爬取下来。
首先，定义一个方法来获取每次请求的结果。在请求时，page是一个可变参数，所以我们将它作为方法的参数传递进来，相关代码如下：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 | from urllib.parse import urlencode import requests base_url = 'https://m.weibo.cn/api/container/getIndex?'
headers = { 'Host': 'm.weibo.cn', 'Referer': 'https://m.weibo.cn/u/2830678474', 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36', 'X-Requested-With': 'XMLHttpRequest', }
def get_page(page): params = { 'type': 'uid', 'value': '2830678474', 'containerid': '1076032830678474', 'page': page } url = base_url + urlencode(params) try: response = requests.get(url, headers=headers) if response.status_code == 200: return response.json() except requests.ConnectionError as e: print('Error', e.args) |
首先，这里定义了base_url来表示请求的URL的前半部分。接下来，构造参数字典，其中type、value和containerid是固定参数，page是可变参数。接下来，调用urlencode()方法将参数转化为URL的GET请求参数，即类似于type=uid&value=2830678474&containerid=1076032830678474&page=2这样的形式。随后，base_url与参数拼合形成一个新的URL。接着，我们用requests请求这个链接，加入headers参数。然后判断响应的状态码，如果是200，则直接调用json()方法将内容解析为JSON返回，否则不返回任何信息。如果出现异常，则捕获并输出其异常信息。
随后，我们需要定义一个解析方法，用来从结果中提取想要的信息，比如这次想保存微博的id、正文、赞数、评论数和转发数这几个内容，那么可以先遍历cards，然后获取mblog中的各个信息，赋值为一个新的字典返回即可：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 | from pyquery import PyQuery as pq
def parse_page(json): if json: items = json.get('data').get('cards') for item in items: item = item.get('mblog') weibo = {} weibo['id'] = item.get('id') weibo['text'] = pq(item.get('text')).text() weibo['attitudes'] = item.get('attitudes_count') weibo['comments'] = item.get('comments_count') weibo['reposts'] = item.get('reposts_count') yield weibo |
这里我们借助pyquery将正文中的HTML标签去掉。
最后，遍历一下page，一共10页，将提取到的结果打印输出即可：
| 1 2 3 4 5 6 | if __name__ == '__main__': for page in range(1, 11): json = get_page(page) results = parse_page(json) for result in results: print(result) |
另外，我们还可以加一个方法将结果保存到MongoDB数据库：
| 1 2 3 4 5 6 7 8 9 | from pymongo import MongoClient
client = MongoClient() db = client['weibo'] collection = db['weibo']
def save_to_mongo(result): if collection.insert(result): print('Saved to Mongo') |
这样所有功能就实现完成了。运行程序后，样例输出结果如下：
| 1 2 3 4 | {'id': '4134879836735238', 'text': '惊不惊喜，刺不刺激，意不意外，感不感动', 'attitudes': 3, 'comments': 1, 'reposts': 0} Saved to Mongo {'id': '4143853554221385', 'text': '曾经梦想仗剑走天涯，后来过安检给收走了。分享单曲 远走高飞', 'attitudes': 5, 'comments': 1, 'reposts': 0} Saved to Mongo |
查看一下MongoDB，相应的数据也被保存到MongoDB，如图6-14所示。
图6-14 保存结果
这样，我们就顺利通过分析Ajax并编写爬虫爬取下来了微博列表，最后，给出本节的代码地址：https://github.com/Python3WebSpider/WeiboList。
本节的目的是为了演示Ajax的模拟请求过程，爬取的结果不是重点。该程序仍有很多可以完善的地方，如页码的动态计算、微博查看全文等，若感兴趣，可以尝试一下。
通过这个实例，我们主要学会了怎样去分析Ajax请求，怎样用程序来模拟抓取Ajax请求。了解了抓取原理之后，下一节的Ajax实战演练会更加得心应手。
参考的博客是https://cuiqingcai.com/5593.html 里面有一些参数已经改变比如get请求要传的参数 已经不是原来的四个了，但是总体思路基本上不变
params={
'sudaref':'cuiqingcai.com',
'display':0,
'retcode':6102,
'type':'uid',
'value':2830678474,
'containerid':'1076032830678474',
'page':page
}附上自己的代码
#-*-coding:utf-8-*-
__author__ = 'fankai'
"""
用程序模拟这些Ajax请求，将崔庆才的前10页微博全部爬取下来
"""
from urllib.parse import urlencode
import requests
base_url=r'https://m.weibo.cn/api/container/getIndex?'
headers={
"Accept":"application/json, text/plain, */*",
"MWeibo-Pwa": 1,
"Referer": "https://m.weibo.cn/u/2830678474?sudaref=cuiqingcai.com&display=0&retcode=6102",
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36",
"X-Requested-With": "XMLHttpRequest"
}
# 爬取崔庆才微博，浏览器请求方式是GET请求
def get_page(page):
params={
'sudaref':'cuiqingcai.com',
'display':0,
'retcode':6102,
'type':'uid',
'value':2830678474,
'containerid':'1076032830678474',
'page':page
}
url=base_url+urlencode(params)
try:
response=requests.get(url,headers)
if response.status_code==200:
return response.json()
except requests.ConnectionError as e:
print(e.args)
from pyquery import PyQuery as pq
def parse_page(json):
if json:
items=json.get('data').get('cards')
for item in items:
item=item.get('mblog')
weibo={}
weibo['id']=item.get('id')
weibo['text']=pq(item.get('text')).text()
weibo['attitudes']=item.get('attitudes_count')
weibo['comments']=item.get('comments_count')
weibo['reposts']=item.get('reposts_count')
yield weibo
# 将数据写入到mangoDB数据库
from pymongo import MongoClient
client=MongoClient()
db=client['weibo']
collection=db['weibo']
def save_to_mango(result):
if collection.insert(result):
print("save to mango")
if __name__=='__main__':
import json
for page in range(1,10):
jsons=get_page(page)
results=parse_page(jsons)
with open('weibo','w',encoding='utf-8') as f:
for result in results:
json.dump(result,f)
save_to_mango(result)
我觉得把别人苦逼的路走一遍也是一种提高
174
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
