Python爬虫：获取JS动态内容

时间：2021-05-31 21:06:43

经过一段时间的python学习，能写出一些爬虫了。但是，遇到js动态加载的网页就犯了难。于是乎谷歌、百度，发现个好介绍http://www.jianshu.com/p/4fe8bb1ea984

主要就是分析网页的加载过程，从网页响应中找到JS脚本返回的JSON数据。（上边的网址介绍很详细，下边就直接贴代码，记录下）

1、今日头条的

#coding：utf-8

import requests

import json

#今日头条热词获取，get方法

url = 'http://www.toutiao.com/c/hot_words/'

wbdata = requests.get(url).text

data = json.loads(wbdata)

news = data['data']

for n in news:

    print(n)

2、拉勾网的 post方法

#coding：utf-8

import requests

import json

url = 'https://www.lagou.com/upload/ltm/oss.html?u=/zhaopin/Java/&q=332&n=333&d=1126&l=1238&dns=15&p=2770&pi=46&qn=1252&t=1501835145909'

post_data = {'first':'true','kd':'Android','pn':''}

wbdata = requests.post(url,data=post_data)
data = json.loads(wbdata)

print data

ip被封，返回json数据未能解析，有待后续。

爬取动态页面目前来说有两种方法

  1. 分析页面请求
  2. selenium模拟

相关文章