python保存html ajax_python怎么爬取ajax

使用python包：requests。

具体方法：(推荐学习：Python视频教程)

首先是定义自己headers，注意headers里面的User-Agent这一字段可以根据自己需求设计一个列表，用于随机调换。

ajax数据的网页特点：NetWork中的XHR网络流中有一些ajax请求，其中它们request_url必定是一个ajax请求接口，并且headers里面的referer是其跳转前的url，在构造自己的headers的时候需要设置referer字段。

以拉勾网主页搜索“java”为例：

ajax数据的抓取爬虫和普通的网页爬取多了一个url，一个是referer的url，放置于headers中。另外一个就是ajax_url，这个也是主要访问url。

最重要的一点，ajax一般返回json数据，所以抓取下来的数据解析形式有所不同。直接将结果集转换成json结果集即可，访问方式就是普通字典、列表访问形式。

另外一个就是访问参数，若请求中带有param，就将其构造。若没有可忽略。本例中有参数，注意参数字典构造方法

下面就展示出来一个简单的完整代码from urllib.request import quote,unquote

import random

import requests

keyword = quote('java').strip()

print(keyword, type(keyword))

city = quote('郑州').strip()

print(unquote(city))

refer_url = 'https://www.lagou.com/jobs/list_%s?city=%s&cl=false&fromSearch=true&labelWords=&suginput=' % (keyword, city)

ajax_url = 'https://www.lagou.com/jobs/positionAjax.json?city=%s&needAddtionalResult=false' %city

user_agents=[

'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',

'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36',

'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 Edge/16.16299',

]

data ={

'first': 'true',

'pn': '1',

'kd': keyword,

}

headers={

'Accept': 'application/json, text/javascript, */*; q=0.01',

'Accept-Encoding': 'gzip, deflate, br',

'Accept-Language': 'zh-CN,zh;q=0.9',

'Connection': 'keep-alive',

'Content-Length': '46',

'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',

'Host': 'www.lagou.com',

'Origin': 'https://www.lagou.com',

'Referer': refer_url,

'User-Agent': user_agents[random.randrange(0,3)],

'X-Anit-Forge-Code': '0',

'X-Anit-Forge-Token': 'None',

'X-Requested-With': 'XMLHttpRequest',

}

resp = requests.post(ajax_url,data=data, headers=headers)

result = resp.json()

print(result)

# print(result)

#result 就是最终获得的json格式数据

item = result['content']['positionResult']['result'][0]

print(item)

#item就是单个招聘条目信息

print("程序结束")

更多Python相关技术文章，请访问Python教程栏目进行学习！