python3 requests 动态网页post提交数据_Python爬虫三:动态网页爬虫

1. 利用API爬取数据

有时,使用BeautifulSoup解析和提取数据后,输出结果为空。这是由于网页使用了另一种加载数据的方式——通过API加载数据。API(Application Programming Interface)即应用程序编程接口,也就是网页和服务器交互的途径。

1) Network

开发者工具中的Network记录的是从打开工具到网页加载完毕之间的所有请求。其中,以All开头的一行是请求类型过滤器,可以展示对应类型的请求。爬虫中常用的有All、XHR、Img和Media。

2) XHR

XHR全称XMLHttpRequest,是浏览器内置的对象,使得JavaScript可以发送HTTP请求。

爬取需要的数据时,首先要在XHR的Name栏中找到数据所在的位置(可通过请求名称和数据大小判断),找到目标后点击这条请求,在Preview中查看数据,即可确认。数据有很多,需要按名称逐层展开。

接下来,点击Headers里的General就可以看到API的链接(即Request URL),这就是获取数据的真正链接。但这个链接一般又长又乱,这时可以用requests.get()方法的params参数,以字典的形式传递链接的查询字符串参数,使代码看上去更加简洁明了。利用Convert HTTP Query String to JSON网站,将网址问号后的参数粘贴到input框中,即可得到转换后的字典形式的参数。

例如,爬取QQ音乐《等你下课》的评论,可以将代码写为:

import requests

headers = {

'user-agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'

}

params = {

'g_tk': '5381',

'loginUin': '0',

'hostUin': '0',

'format': 'json',

'inCharset': 'utf8',

'outCharset': 'GB2312',

'notice': '0',

'platform': 'yqq.json',

'needNewCode': '0',

'cid': '205360772',

'reqtype': '2',

'biztype': '1',

'topid': '212877900',

'cmd': '8',

'needmusiccrit': '0',

'pagenum': '0',

'pagesize': '25',

'lasthotcommentid': '',

'domain': 'qq.com',

'ct': '24',

'cv': '10101010'

}

res = requests.get('https://c.y.qq.com/base/fcgi-bin/fcg_global_comment_h5.fcg', headers=headers, params=params)

print(res.text)

用res.text获取到的数据是字符串形式的,而如果是字典或列表的话&#

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值