Python 爬虫实例（15） 爬取 汽车之家（汽车授权经销商）

 

有人给我吹牛逼，说汽车之家反爬很厉害，我不服气，所以就爬取了一下这个网址。

本片博客的目的是重点的分析定向爬虫的过程，希望读者能学会爬虫的分析流程。

 

一：爬虫的目标：

打开汽车之家的链接：https://www.autohome.com.cn/beijing/，出现如下页面

 

 我们的目标是

　　

点击找车，然后出现如下图

　　

我们要把图中的信息抓取到

 二：实现过程

我们选择  宝马5系  然后点击找车

注意宝马5系的  data-value  是  65

如下图

 

 因为这个网页需要做翻页，我们就点击翻页。然后抓取到了一个url链接的请求方式。

可以判断出来的是  PageIndex  是页面，表示第几页。SeriesId是车系

直接上代码

#-*-coding:utf-8-*-
from common.contest import *

def spider():
    url = 'https://dealer.autohome.com.cn/frame/Car/CarDealerList'
    headers = {

        "Host":"dealer.autohome.com.cn",
        "Connection":"keep-alive",
        "Accept":"*/*",
        "X-Requested-With":"XMLHttpRequest",
        "User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36",
        "Referer":"https://dealer.autohome.com.cn/frame/car/GetDealerByCar?SeriesId=65&ProvinceId=110000&CityId=110100",
        "Accept-Encoding":"gzip, deflate, br",
        "Accept-Language":"zh-CN,zh;q=0.9",
        "Cookie":"__ah_uuid=B5EFCA0A-C638-43C8-8D4F-1CEB07A1E9BD; fvlid=15275822890176s3cfWZKlL; sessionip=119.61.28.90; area=110199;
 ahpau=1; sessionid=FCACBCDA-A005-4F82-8E88-C27091B3A127%7C%7C2018-05-29+16%3A24%3A54.092%7C%7Cwww.baidu.com; 
sessionvid=6B39A12E-5580-4522-9800-316DA038715A; sessionuid=FCACBCDA-A005-4F82-8E88-C27091B3A127%7C%7C2018-05-29+16%3A24%3A54.092%7C%7Cwww.baidu.com;
 papopclub=0AFEB345FB77A406EFE118CB317CE733; pepopclub=7C16F37F6D8E038ABDFD155664996DA2;
 historybbsName4=c-3170%7C%E5%A5%A5%E8%BF%AAA3; pvidlist=7ab2cb54-f4a0-420c-be56-dff130b41d846:149875:216460:0:1:1036776; 
mpvareaid=2018278; mallsfvi=15275826304503kGG3Qam%7Cwww.autohome.com.cn%7C2018278; mallslvi=2018278%7Cwww.autohome.com.cn%7C15275826304503kGG3Qam; 
Hm_lvt_9924a05a5a75caf05dbbfb51af638b07=1527582690; ahsids=65_2951_3170_4851_59; ahpvno=21; 
pvidchain=101061,101061,101061,2018278,3311273,3311273,3311273,3311273,3311273,3311273;
 ref=www.baidu.com%7C0%7C0%7C0%7C2018-05-29+17%3A09%3A59.013%7C2018-05-29+16%3A24%3A54.092; Hm_lpvt_9924a05a5a75caf05dbbfb51af638b07=1527585001",


    }
    for page in range(1,11):

        data = {

            "BrandId":"0",
            "FactoryId":"0",
            "SeriesId":"65",
            "ProvinceId":"110000",
            "CityId":"110100",
            "CountyId":"0",
            "PageIndex":str(page),
            "DealerKind":"1",

        }


        try:
            result = session.get(url=url,headers=headers,verify=False,params=data).text
        except:
            result = session.get(url=url,headers=headers,verify=False,params=data).text

        print result

spider()

 

 

 在这里不做解析。

 三：总结

有人要问了SeriesId = 65怎么处理，这个很简单，把汽车之家所有的车系都封装成一个字典格式数据就可以啦，CityId，ProvinceId  也是同理。

爬虫的难点不是网站的一些反爬措施，而是一个请求有几十个url链接，能准确的找到自己需要的链接，有用的链接才是最重要的。