Python爬虫——Urllib库-3

目录

ajax的get请求

获取豆瓣电影第一页的数据并保存到本地

获取豆瓣电影前十页的数据

ajax的post请求

总结

---

ajax的get请求 获取豆瓣电影第一页的数据并保存到本地

首先可以在浏览器找到发送数据的接口

那么我们的url就可以在header中找到了

再加上UA这个header

进行请求对象的定制，模拟浏览器发送请求即可

详细代码如下：

# get请求 # 获取豆瓣电影第一页的数据并且保存起来 import urllib.request url = 'https://movie.douban.com/j/chart/top_list?type=13&interval_id=100%3A90&action=&start=0&limit=20' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36' } # 请求对象的定制 request = urllib.request.Request(url=url, headers=headers) # 模拟浏览器发送请求,获取响应的数据 response = urllib.request.urlopen(request) content = response.read().decode('utf-8') # print(content) # 将数据下载到本地 # open方法默认使用GBK，但是我们前面使用的是utf-8，那么这里 # 需要将编码格式指定为utf-8 fp = open('douban.json', 'w', encoding='utf-8') fp.write(content) # get请求 # 获取豆瓣电影第一页的数据并且保存起来 import urllib.request url = 'https://movie.douban.com/j/chart/top_list?type=13&interval_id=100%3A90&action=&start=0&limit=20' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36' } # 请求对象的定制 request = urllib.request.Request(url=url, headers=headers) # 模拟浏览器发送请求,获取响应的数据 response = urllib.request.urlopen(request) content = response.read().decode('utf-8') # print(content) # 将数据下载到本地 # open方法默认使用GBK，但是我们前面使用的是utf-8，那么这里 # 需要将编码格式指定为utf-8 fp = open('douban.json', 'w', encoding='utf-8') fp.write(content)

这就下载下来了

---

获取豆瓣电影前十页的数据

首先我们找到第一次的刷新数据的请求url：

https://movie.douban.com/j/chart/top_list?type=13&interval_id=100%3A90&action=&start=0&limit=20

然后是第二次的：

https://movie.douban.com/j/chart/top_list?type=13&interval_id=100%3A90&action=&start=20&limit=20

然后是第三次的：https://movie.douban.com/j/chart/top_list?type=13&interval_id=100%3A90&action=&start=40&limit=20

        如果你观察这几个URL后面的参数的话，你就可以发现问题了，start每次都累加上limit，通过改变起始索引来挨个查询，这个在Java开发中经常会有这种代码，那么它查询的方法就已经是显而易见了。

所以可以得出start的值是：(page - 1) * 20

然后就可以写出下面的代码了：

# get请求 # 下载豆瓣电影前十页的数据 import urllib.request import urllib.parse """ 得到不同pages的request """ def create_request(page): base_url = 'https://movie.douban.com/j/chart/top_list?type=13&interval_id=100%3A90&action=&' data = { 'start': (page - 1) * 20, 'limit': 20 } data = urllib.parse.urlencode(data) url = base_url + data print(url) headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36' } request = urllib.request.Request(url=url, headers=headers) return request """ 得到返回的内容content """ def get_content(request): response = urllib.request.urlopen(request) content = response.read().decode('utf-8') return content """ 将得到的内容写入本地 """ def down_load(page, content): fp = open('douban_' + str(page) + '.json', 'w', encoding='utf-8') fp.write(content) """ 主方法 """ if __name__ == '__main__': start_page = int(input('请输入起始页码')) end_page = int(input('请输入结束页码')) for page in range(start_page, end_page + 1): # 每一页都有自己的请求对象的定制 request = create_request(page) # 获取响应数据 content = get_content(request) # download下载 down_load(page, content)

然后就完美得到了所有的数据了 

---

ajax的post请求

对肯德基官网的餐厅位置进行爬取

这为什么是一个ajax发送的数据呢，因为这里有一个ajax的核心对象

然后就通过URL和header就可以得到下面的代码，并没有新的东西 ，都是前面的知识点的整合。

# post请求 # 肯德基官网 import urllib.request import urllib.parse # 第一页 # https://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname # cname: 哈尔滨 # pid: # pageIndex: 1 # pageSize: 10 # 第二页 # https://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname # cname: 哈尔滨 # pid: # pageIndex: 2 # pageSize: 10 """ 请求对象定制 """ def create_request(page): base_url = 'https://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname' data = { 'cname': '哈尔滨', 'pid': '', 'pageIndex': page, 'pageSize': '10' } data = urllib.parse.urlencode(data).encode('utf-8') headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36' } request = urllib.request.Request(url=base_url, headers=headers, data=data) return request """ 获取网页内容 """ def get_content(request): response = urllib.request.urlopen(request) content = response.read().decode('utf-8') return content """ 下载内容到本地 """ def down_load(page, content): fp = open('KFC' + str(page) + ".json", 'w', encoding='utf-8') fp.write(content) if __name__ == '__main__': start_page = int(input("请输入起始页码")) end_page = int(input("请输入结束页码")) for page in range(start_page, end_page + 1): # 请求对象的定制 request = create_request(page) # 获取网页内容 content = get_content(request) # 下载内容到本地 down_load(page, content)

总结

累了，没有总结，再见兄弟们ヾ(￣▽￣)Bye~Bye~