解决爬虫在重定向(Redirect)情况下,URL没有变化的方法

    重定向是一种网络服务,它可以实现从一个网页跳转到另一个网页的功能。它把用户请求的网页重定向到一个新的位置,而这个位置可以是更新的网页,或最初请求的网页的不同版本。另外,它还可以用来改变用户流量,当用户请求某个网页后,它会将用户请求重定向到一个截然不同的页面,从而达到在流量分发上更有效率的目的。


    重定向(Redirect)就是通过各种方法将各种网络请求重新定个方向转到其它位置(如:网页重定向、域名的重定向、路由选择的变化也是对数据报文经由路径的一种重定向)。


    打开 https://yanglee.com/information/ 主页 - 资讯这一版,可见 第1页,url 就是这一链接。



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第1张图片



    当点击第2页后,url 还是那个



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第2张图片



    打开 “Network”,可见这 url 是动态加载的,请求方式是 "POST“

解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第3张图片



    打开 “Form Data” 可以看到,当我们点击时,其实就是通过 这4个参数去发起请求的。其中可见 pageIndex 就是页码。



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第4张图片



    再点击 第2页后,看看 “Form Data” 的数据参数,pageIndex 变成 2 了



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第5张图片



    那么通过这样观察,就可以知道每一分页实际的链接。那么链接是什么? 回到 Header 请求头这一版,可以看到 Request URL 是 https://yanglee.com/Action/GetInformationList.ashx,这个也就是 接口。



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第6张图片



    回到 “Form Data”, 刚才看到有4个参数组成,那么完整的请求 url 就是 接口地址?xxx=xxx&xxx=xxx 这样的表达方式。



    ?后面连接的就是那4个参数,表达形式 xxx=xxx 就是以键值对(key-value) 来表达的,每个key-value之间用 & 符号连接。



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第7张图片



    从参数的表达形式可见为 xxx:xxx,如果参数少,我们可以直接手动更改,或者直接最快捷的方法,点击 “view source”



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第8张图片



    点击后,会自动生成 xxx=xxx&xxx=xxx 这样的 key-value 表达方式。



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第9张图片



    因此第2页实际完整的链接为:https://yanglee.com/Action/GetInformationList.ashx?pageIndex=2&pageSize=15&i=0&OrderBy=C_ADDTIME+DESC



    最后成功解析出第2页的 page source



解决爬虫在重定向(Redirect)情况下,URL没有变化的方法_第10张图片

你可能感兴趣的:(爬虫,html,前端,python,scrapy)