当使用Python爬虫时,经常会遇到需要爬取分页数据的情况。分页逻辑可以有多种形式,下面我将介绍一些常见的分页逻辑以及对应的解决方法。
- 基于页码(Page-based Pagination):
这是最常见的分页逻辑,每个页面都有一个唯一的页码。通常在URL中会包含页码参数,例如:http://example.com/page?=1。
解决方法:
可以通过循环迭代的方式,逐页爬取数据。可以使用Python的requests库发送HTTP请求,然后解析返回的HTML内容,提取需要的数据。
import requests
def get_data(page):
url = f"http://example.com/api/data?page={page}"
response = requests.get(url)
data = response.json()
return data
all_data = []
page = 1
while True:
data = get_data(page)
if not data:
break
all_data.extend(data)
page += 1
print(all_data)
- 基于偏移量(Offset-based Pagination):
在偏移量分页逻辑中,每个页面都有一个唯一的偏移量,表示从数据集的起始位置开始的偏移量。
解决方法:
可以通过循环迭代的方式,每次请求时指定正确的偏移量参数,以获取下一页数据。可以使用Python的requests库发送HT