【网络安全带你练爬虫-100练】第8练：json数据的最小项提取

最新推荐文章于 2024-04-16 20:36:13 发布

黑色地带（崛起）

最新推荐文章于 2024-04-16 20:36:13 发布

阅读量4.1k

点赞数 1

分类专栏：【网络安全-带你练爬虫】文章标签：爬虫 web安全安全

本文链接：https://blog.csdn.net/qq_53079406/article/details/131594821

版权

【网络安全-带你练爬虫】专栏收录该内容

23 篇文章 29 订阅

订阅专栏

一、目标1：爬取指定json中数据

爬取data里数据

核心代码：

        dirt1 = json.loads(res.text)
        print(dirt1['data'])

（1）json.loads()方法可用于解析有效的JSON字符串并将其转换为Python字典

（2）dirt1['data']是打印json中的data部分

运行结果：

完成了爬取

代码：

import requests
import json
from fake_useragent import UserAgent

def get_json():
    try:
        url = 'https://napi-huawei.tianyancha.com/next/web/home/vajialist?_=1688703382196'
        ua = UserAgent()
        headers = {
            'User-Agent': ua.chrome,
        }
        res = requests.get(url, headers=headers,timeout=10)
        dirt1 = json.loads(res.text)
        print(dirt1['data'])

    except:
        return ""


if __name__ == '__main__':
    get_json()

二、目标2：循环取json中数据

我这里有2部分才到列表里面是把

所以我要取列表中数据就要变为

dirt1['data']['detailList']

循环：

使用一个循环就可以区分开来了

        for item in dirt1['data']['detailList']:
            print(item)

代码：

import requests
import json
from fake_useragent import UserAgent

def get_json():
    try:
        url = 'https://napi-huawei.tianyancha.com/next/web/home/vajialist?_=1688703382196'
        ua = UserAgent()
        headers = {
            'User-Agent': ua.chrome,
        }
        res = requests.get(url, headers=headers,timeout=10)
        dirt1 = json.loads(res.text)
        #print(dirt1['data'])
        for item in dirt1['data']['detailList']:
            print(item)

    except:
        return ""


if __name__ == '__main__':
    get_json()

三、目标3：提取每个数据中的某一项

目标

提取这2个指定项

理解：

此时item其实相当于dirt1['data']['detailList']中的一项

所以

item['resourceKey'] === ['data']['detailList']['resourceKey']

这行代码精确到数据中的更小一项resourceKey

运行结果：

完整代码：

import requests
import json
from fake_useragent import UserAgent

def get_json():
    try:
        url = 'https://napi-huawei.tianyancha.com/next/web/home/vajialist?_=1688703382196'
        ua = UserAgent()
        headers = {
            'User-Agent': ua.chrome,
        }
        res = requests.get(url, headers=headers,timeout=10)
        dirt1 = json.loads(res.text)
        #print(dirt1['data'])
        for item in dirt1['data']['detailList']:
            #print(item)
            print(item['resourceKey'])
            print(item['resourceName'])


    except:
        return ""


if __name__ == '__main__':
    get_json()