今天的主题是爬取动态网页的经验分享,以cocos论坛为例子进行分享。(官方不会打我吧 )
配置环境
为什么选择cocos论坛呢?因为自己在浏览论坛时,发现标题内容会随着滚动条的位置而动态添加。
环境: python3 + requests 。还要引入几个系统库。参考如下:
分析网页
以chrome浏览器为例,空白处 右键->检查 进入网页分析模式,选择 Network 中的XHR,滚动条往下滚,观察右侧加载了什么文件。
在网页分享模式下,点击刚才下载的文件,查看里面的内容,发现对一个地址使用了GET方法,并传入了页码的参数。
再看看返回的内容是一个json字符串。
这个 json字符串里就有我们想要内容。一起看下如何用requests 发送参数,并返回Json 结果。
只需要根据地址,传入一个 headers 告诉网页我们要接收json字符串。
解析json
json是一种数据存储格式,可以被多种语言解析,一般用于数据传输。
由前一张图,可以看到所有文章列表在topic_list的topics中,一起看看 python3 是怎么解析的。
其中的链接地址可以通过打开几个论坛内容找到规律,是由 slug 和 id 这两个字段拼接的。
最后使用多线程 和 csv 存储结果。(不清楚的话可以看看之前的文章哦。python爬虫入门实战(三)不会正则怎么办?xpath分分钟搞定 和 python爬虫入门实战(二)!快!快!快!让爬虫赢在起跑线!多线程)
最后,看看最终效果吧!
小结
对于动态生成的内容,我们可以通过网页分享中下载的文件分析,并通过requests模块模拟headers 和发送参数方法获取数据。
这是我学到的新技能哦!如有错误或其他想法,欢迎留言!如果我又学到新的东西,会第一时间分享给大家哦!点个关注不迷路!
以上内容仅供个人学习使用,请勿用于商业用途。
我是白玉无冰,游戏开发小赤佬,也玩python和shell