在爬网站的时候发现了这个网站跟以前的post不太一样,虽然还是post 2333
在这里解决翻页问题,它的post要传送的data跟以前的直接把下一页需要的data写在源代码不同,它是我们需要抓包来得到
目标网址:
http://www.jjqjyzx.cn/www/bm/cqjjyzx/pagelist_jy.jsp?classid=874ca6f133024be99497497f009ce7a1
直接上图
这里可以看出点击下一页根本没有链接,并且也没有post data数据
并且网页是 .jsp 形式所以想到可能数据需要抓包
果然如此
点击下一页后先找到有包的文件,注意看networkl里面的response就知道了
然后点击Network里面的Headers,就会发现下一页需要传输的data出现了
再验证一次
NICE!!!
找到啦!!!!!!
本来想和以前一样直接右键打开网页的,结果网页出现报错
意思是后台成功返回数据但是前台没有响应
好吧只是有点难看,其实对我们写爬虫代码是没有影响的,千万不要被迷惑了,该怎么post就怎么post!!!
要注意转码,不然就是
这是爬到的json包里面的数据
所以我们要提取json包里面的数据就不能简单的用正则,不然数据为空
json包里面的数据相当于列表里面的字典吧,我觉得 ?
所以 data_list = json.loads(response.body)['data']
然后进入网站,发现要爬的内容跟之前文本的不一样,这次是图片,所以哈哈哈
通过网页抓包,可以找到保存图片网址
为了得到网址,要在源代码里面提取信息
然后通过拼接得到网页