python爬虫入门实战(四)！爬取动态加载的页面！

有些网页是动态加载的，那么怎么处理呢？

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：

import requests
import json
import csv
from multiprocessing.dummy import Pool

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。

headers = {
  'Accept': 'application/json' 
}
url=f'https://forum.cocos.org/c/Creator/l/latest?page={1}';
html=requests.get(url,headers=headers);
if html.status_code == 200:
    html_bytes = html.content;
    html_str = html_bytes.decode();

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。

data = json.loads(html_str);
all_items=data['topic_list']['topics']
write_content=[];
for item in all_items:
    slug = item['slug'];
    item_id = item['id']
    link = f'https://forum.cocos.org/t/{slug}/{item_id}'
    title = item['title'];
    like_count = item['like_count'];
    like_count = item['like_count'];
    posts_count = item['posts_count'];
    views = item['views'];
    created_at = item['created_at'];
    write_content.append({'标题': title, '链接': link
    , '点赞':like_count , '回复':posts_count
    , '浏览':views , '发帖时间':created_at
    });

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。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-T11pCIWL-1573459065650)(/img/in-post/201911/1105-title.png)]

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) 和 python爬虫入门实战(二)！多线程爬虫！ )

pool = Pool(3);
orign_num=[x for x in range(0,10)];
result = pool.map(scrapy,orign_num);

with open('ccc_title_link.csv', 'w', newline='') as csvfile:
    fieldnames = ('标题', '链接', '点赞', '回复','浏览', '发帖时间')
    writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
    writer.writeheader()
    for write_content in result:
        for _content in write_content:
            writer.writerow(_content);

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

---

参考资料