前言
很多时候使用爬虫时并不能或许到我们想要的信息,这是因为有些数据是用json代码书写,并通过xhr异步加载到网页。
因此我们并不能在页面中获取,此时可通过解析json代码获取目标信息。
一、如何找到目标xhr地址?
以抖音中的canvas图片信息为例,从下图可以看出,图中有数字出现,但定位到canvas中却并没附带这些数据:
这个时候我们可以通过查找网络中的xhr请求,找到初始数据的链接,如下图操作,在出现的xhr请求中寻找到目标文件,如果xhr下没有所需数据,可以尝试刷新页面:
经尝试后不难找到初始数据存放位置,可以看出请求方法为get,从图中很容以看到我们所需要的性别数据:
接下来就是用代码实现这一步骤。
二、代码实现
1.准备条件
安装Browsermob-Proxy和chromedriver.exe:
下载chromedriver驱动
将下载好后的brosermob-proxy-2.1.4和浏览器对应版本的chromedriver保存至main.py的同级目录下:
2.编写代码
引入库:
import json#读取json数据时需要用到
import os
import requests
from selenium import webdriver
from browsermobproxy import Server
配置代理环境和chrome浏览器:
path=os.getcwd()#获取当前路径
server = Server(path+"\\browsermob-proxy-2.1.4\\bin\\browsermob-proxy")
server.start()
proxy = server.create_proxy()
chrome_options =webdriver.ChromeOptions(