所实验网址:
http://www.xinfadi.com.cn/priceDetail.html
首先对网页进行分析:
但是很显然,这些内容都不存在网页的源代码,所以这时候我们需要进行抓包
然后我们观察这个的url和请求方式,可以发现这是post类型,于是我们去找到他要传入的参数
我们通过点击下一页,具体看看哪些是需要传入的
我们会发现,current是我们需要具体传入的参数,而他就是代表页数,而这个limit是表示每页出现的数据量只能有20条。
我们分析完网页后,我们就可以开始编写程序了,那么直接上代码:(有点提示,如果嫌运行慢,可以多增加线程个数,比如把1000个线程改为10000,这样就会快很多)
# @Time:2021/12/1710:05
# @Author:中意灬
# @File:新发地.py
# @ps:tutu qqnum:2117472285
import csv
from concurrent.futures import ThreadPoolExecutor
import requests
from bs4 import BeautifulSoup
with open('北京新发地菜价.csv',mode='w', encoding='utf-8',newline='') as f:
wirter = csv.writer(f)#创建一个写入的对象
wirter.writerow(['菜名', '最低价(元)', '最高价(元)', '平均价(元)', '产地','发布日期'])
def get_one_page(pageNo):
data={
"limit":20,
"current":pageNo,
}
url="http://www.xinfadi.com.cn/getPriceData.html"
resp=requests.post(url,data=data)
html=resp.json()
list=html['list']
# print(list)
for i in list:
if i['place']=='':
i['place']='产地不详'
wirter.writerow([i['prodName'],i['lowPrice'],i['highPrice'],i['avgPrice'],i['place'],i['pubDate']])
if __name__ == '__main__':
# get_one_page(1)
with ThreadPoolExecutor(10000) as t:#创建10000个线程
for i in range(1,20448):#所有页数
t.submit(get_one_page,pageNo=i)
print('over!')
print('点赞不白嫖(狗头)')
运行结果: