黑洞HTTP

黑洞HTTP

您的位置: 首页 > 新闻资讯 > 高质量代理 > 正文

实战:模拟Ajax请求爬取微博数据

发布时间:2019年02月13日 来源:互联网

    虽说爬虫使用了代理IP可以突破限制,加快采集速度,但是这并不代表爬虫可以随意采集到数据的,也是需要针对网站的反爬虫机制进行研究,制定应对的方法,今天跟大家去了解下Ajax加载动态数据的问题,网络爬虫怎么获取到Ajax加载动态数据呢?


    什么是Ajax加载动态数据?我们平常搜索资料,通常都是先出现一部分的数据,若是没有找到满意的答案,可以再继续下滑即可获取到新的数据。下面跟小编去看看模拟Ajax请求爬取微博数据的案例。


    这里我们用程序模拟这些Ajax请求,将我的前10页微博全部爬取下来。


    定义一个方法来获取每次请求的结果,在请求时,page是一个可变参数,所以我们将它作为方法的参数传递进来,相关代码如下:


实战:模拟Ajax请求爬取微博数据


    首先,这里定义了base_url来表示请求的URL的前半部分。接下来,构造参数字典,其中type、value和containerid是固定参数,page是可变参数。调用urlencode()方法将参数转化为URL的GET请求参数,即类似于 type=uid&value=2830678474&containerid=1076032830678474&page=2 这样的形式。并将base_url与参数拼合形成一个新的URL。这样我们用requests请求这个链接,加入headers参数。然后判断响应的状态码,如果是200,则直接调用json()方法将内容解析为JSON返回,否则不返回任何信息。如果出现异常,则捕获并输出其异常信息。


    随后,我们需要定义一个解析方法,用来从结果中提取想要的信息,比如这次想保存微博的id、正文、赞数、评论数和转发数这几个内容,那么可以先遍历cards,然后获取mblog中的各个信息,赋值为一个新的字典返回即可:


实战:模拟Ajax请求爬取微博数据


    这里我们借助pyquery将正文中的HTML标签去掉。


    最后,遍历一下 page ,一共10页,将提取到的结果打印输出即可:


实战:模拟Ajax请求爬取微博数据


    另外,我们还可以加一个方法将结果保存到MongoDB数据库:


实战:模拟Ajax请求爬取微博数据


    这样所有功能就实现完成了。运行程序后,样例输出结果如下:


实战:模拟Ajax请求爬取微博数据


    查看一下MongoDB,相应的数据也被保存到MongoDB。


    这样,我们就顺利通过分析Ajax并编写爬虫爬取下来了微博列表。


    上文主要是介绍了模拟Ajax请求爬取微博数据的案例,目的是为了演示Ajax的模拟请求过程,爬取的结果不是重点。通过这个实例,我们主要学会了怎样去分析Ajax请求,怎样用程序来模拟抓取Ajax请求。


    当然这程序仍有很多可以完善的地方,如页码的动态计算、微博查看全文等,若感兴趣,可以尝试一下。


相关文章内容简介

1 实战:模拟Ajax请求爬取微博数据

    虽说爬虫使用了代理IP可以突破限制,加快采集速度,但是这并不代表爬虫可以随意采集到数据的,也是需要针对网站的反爬虫机制进行研究,制定应对的方法,今天跟大家去了解下Ajax加载动态数据的问题,网络爬虫怎么获取到Ajax加载动态数据呢?    什么是Ajax加载动态数据?我们平常搜索资料,通常都是先出现一部分的数据,若是没有找到满意的答案,可以再继续下滑即可获取到新的数据。下面跟小编去看看模拟Ajax请求爬取微博数据的案例。    这里我们用程序模拟这些Ajax请求,将我的前10页微博全部爬取下来。    定义一个方法来获取每次请求的结果,在请求时,page是一个可变参数,所以我们将它作为方法的参数传递进来,相关代码如下:    首先,这里定义了base_url来表示请求的URL的前半部 [阅读全文]

热门标签

最新标签

推荐阅读

  1. 27

    2019-05

    HTTP代理能做什么?

     在网上浏览一些内容的话,会看到http代理这个字眼,http代理就是将用户的ip进行更换,然后帮助用户在网上做一些事情。http代理的用处是有很多的,下面,小编就为大家讲述一下它的作用。

  2. 10

    2019-05

    ip代理工具的类型

    大家都知道现在市场上关于ip代理工具的类型非常多,因为现在人们对于ip的需求非常多。对于纷繁复杂的工具很多人都不知道如何进行正确的选择。甚至很多人在考虑到代理工具的下载方面他

  3. 18

    2018-12

    爬虫或日常,动态ip软件如何突破封锁限制?

    在爬虫过程中,我们常常会遇见到很多网站采取了防爬取技术,或者说因为采集网站信息的强度和速度太大,给对方服务器带来了太多的压力,所以如果一直用同IP爬取这个网页ip会被封禁。

  4. 27

    2019-05

    代理ip的最佳选择

    在这个经济社会发展迅速,网络遍布人们的生产生活的时代,代理ip这一新兴名词逐渐成为了我们生产生活中不可避免接触到的领域。选择一个优秀的代理ip,有品质服务的保障和诚信服务的基

  5. 27

    2019-05

    代理ip有什么资源优势?

    黑洞HTTP是国内最专业的高质量 HTTP 代理 IP 供应商!其服务宗旨在于快速解决全自动任务难题!为开发人员提供完美的代理 IP 资源解决方案。

  6. 24

    2019-01

    什么是SOCKS代理服务器?

    什么是SOCKS代理服务器?SOCKS是一种数据传输协议,主要用于客户端与外网地址服务器之间通讯设备的中间传递。SOCKS是"Sockets”的缩写。