在执行爬虫项目的过程中,有时返回的不是一个html页面而是json格式数据,此时对数据的解析非常重要。
(一).Json格式数据的爬取
采用Python爬取数据可以采用Scrapy或者采用urllib,requests等两种方法,显然在这里采用第二种方式更为简单。
步骤如下:
1、由于有分页的情况,因此首先构造带分页的url地址。
urlbase ="https://www.we.com/lend/loanList!json.action?pageIndex="
urlList = []
#拼接要爬取的地址
fori inrange(1,52):
url= urlbase +str(i)+"&_=1489560949549"urlList.append( url )
#循环抓取列表页信息
2、采用request对以上的url进行爬取
importrequests
content=requests.get(url,headers=headers).content
在爬取的过程中,考虑到需要模拟真实的用户,因此需要添加cookie或者header参数。
(二).对爬取的json格式数据的解析
至此,数据已经爬取下来,存放在contend里面,但是如何提出里面的关键数据非常重要。
为了能在浏览器中方便的浏览Json格式的数据,建议在chrome中添加一个扩展程序JSONView,使得其Json格式的数据能够结构化的显示。比如人人贷的数据显示如下。