AJAX動態加載網頁

一

什么是動態網頁

J哥一向注重理論與實踐相結合，知其然也要知其所以然，才能以不變應萬變。

所謂的動態網頁，是指跟靜態網頁相對的一種網頁編程技術。靜態網頁，隨著html代碼的生成，頁面的內容和顯示效果就基本上不會發生變化了——除非你修改頁面代碼。而動態網頁則不然，頁面代碼雖然沒有變，但是顯示的內容卻是可以隨著時間、環境或者數據庫操作的結果而發生改變的。——來源百度百科

動態網頁具有減少工作量、內容更新快、可完成功能多等特點，被很多公司所采用，比如狗東、某寶、某瓣、某乎等等。

二

什么是AJAX

隨著人們對動態網頁加載速度的要求越來越高，AJAX技術應運而生并成為許多站點的首選。AJAX是一種用于創建快速動態網頁的技術，通過在后臺與服務器進行少量數據交換，使網頁實現異步更新。這意味著在不重新加載整個網頁的情況下，可以對網頁的某部分進行更新。

三

如何爬取AJAX動態加載網頁

1. 解析接口

只要是有數據發送過來，那肯定是有發送到服務器的請求的吧。我們只需找出它悄悄加載出的頁面的真實請求即可。特點：爬取速度快，爬取的數據干凈，有些網站解析難度較大。

2. Selenium

selenium是什么呢？它本來是個自動化測試工具，但是被廣泛的用戶拿去爬蟲了。它是一個工具，這個工具可以用代碼操作瀏覽器，比如控制瀏覽器的下滑、模擬鼠標點擊等。特點：代碼較簡單，爬取速度慢，容易被封ip。

項目實操

怎么說了那么多理論，說實話J哥也不想那么啰嗦。可是吧，這些東西經常會被問到，干脆直接寫下來，下次還有人問就直接把這篇文章發給他，一勞永逸！

OK，咱們繼續回到王律師的part。王律師作為一名資深律師，深知研究法院歷年公示的開庭信息、執行信息等對于提升業務能力具有重要作用。于是，他興高采烈地打開了一個法院信息公示網頁。

長這樣：

然后，他根據J哥之前寫的爬蟲入門文章去爬數據，成功提取了第一頁，內心無比之激動。

緊接著，他加了個for循環，想著花個幾分鐘時間把此網站2164頁共計32457條開庭公告數據提取到excel里。

然后，也就沒有然后了。各位看了前面的理論部分應該也知道了，他這是 AJAX動態加載的網頁。無論你怎么點擊下一頁，url是不會變化的。你不信我點給你看看，左上角的url像山一樣矗立在那：

一

解析接口

既然如此，那我們就開啟爬蟲的正確姿勢吧，先用解析接口的方法來寫爬蟲。

首先，找到真實請求。右鍵檢查，點擊Network，選中XHR，刷新網頁，選擇Name列表中的jsp文件。沒錯，就這么簡單，真實請求就藏在里面。

我們再仔細看看這個jsp，這簡直是個寶啊。有真實請求url，有請求方法post，有Headers，還有Form Data，而From Data表示給url傳遞的參數，通過改變參數，咱們就可以獲得數據！為了安全，我把自個Cookie打了個馬賽克，機智的朋友也許發現了我順帶給自個打了個廣告。

我們再仔細看看這些參數，pagesnum參數不就是代表頁數嘛！王律師頓悟，原來他心心念念的翻頁在這里！跨過千山萬水終于找到你！我們嘗試點擊翻頁，發現只有pagesnum參數會變化。

既然發現了它，那就趕緊抓住它。J哥以迅雷不及掩耳勢打開PyCharm，導入了爬蟲所需的庫。

1from?urllib.parse?import?urlencode2import?csv3import?random4import?requests5import?traceback6from?time?import?sleep7from?lxml?import?etree????#lxml為第三方網頁解析庫，強大且速度快

構造真實請求，添加Headers。這里J哥沒有貼自己的User-Agent和Cookie，主要是一向膽小甚微的J哥害怕啊。

1base_url?=?'http://www.hshfy.sh.cn/shfy/gweb2017/ktgg_search_content.jsp?'??#這里要換成對應Ajax請求中的鏈接 2 3headers?=?{ 4????'Connection':?'keep-alive', 5????'Accept':?'*/*', 6????'X-Requested-With':?'XMLHttpRequest', 7????'User-Agent':?'你的User-Agent', 8????'Origin':?'http://www.hshfy.sh.cn', 9????'Referer':?'http://www.hshfy.sh.cn/shfy/gweb2017/ktgg_search.jsp?zd=splc',10????'Accept-Language':?'zh-CN,zh;q=0.9',11????'Content-Type':?'application/x-www-form-urlencoded',12????'Cookie':?'你的Cookie'13}

構建get_page函數，自變量為page，也就是頁數。以字典類型創建表單data，用post方式去請求網頁數據。這里要注意要對返回的數據解碼，編碼為'gbk'，否則返回的數據會亂碼！另外我還加了異常處理優化了下，以防意外發生。

1def?get_page(page): 2????n?=?3 3????while?True: 4????????try: 5????????????sleep(random.uniform(1,?2))??#?隨機出現1-2之間的數，包含小數 6????????????data?=?{ 7????????????????'yzm':?'yxAH', 8????????????????'ft':'', 9????????????????'ktrqks':?'2020-05-22',10????????????????'ktrqjs':?'2020-06-22',11????????????????'spc':'',12????????????????'yg':'',13????????????????'bg':'',14????????????????'ah':'',15????????????????'pagesnum':?page16????????????}17????????????url?=?base_url?+?urlencode(data)18????????????print(url)19????????????try:20????????????????response?=?requests.request("POST",url,?headers?=?headers)21????????????????#print(response)22????????????????if?response.status_code?==?200:23????????????????????re?=?response.content.decode('gbk')24????????????????????#?print(re)25????????????????????return?re??#?解析內容26????????????except?requests.ConnectionError?as?e:27????????????????print('Error',?e.args)??#?輸出異常信息28????????except?(TimeoutError,?Exception):29????????????n?-=?130????????????if?n?==?0:31????????????????print('請求3次均失敗，放棄此url請求,檢查請求條件')32????????????????return33????????????else:34????????????????print('請求失敗，重新請求')35????????????????continue

構建parse_page函數，對返回的網頁數據進行解析，用Xpath提取所有字段內容，保存為csv格式。有人會問為啥J哥這么喜歡用Xpath，因為簡單好用啊！！！這么簡單的網頁結構搞個正則大法裝x，J哥我做不到啊。

1def?parse_page(html): 2????try: 3????????parse?=?etree.HTML(html)??#?解析網頁 4????????items?=?parse.xpath('//*[@id="report"]/tbody/tr') 5????????for?item?in?items[1:]: 6????????????item?=?{ 7????????????????'a':?''.join(item.xpath('./td[1]/font/text()')).strip(), 8????????????????'b':?''.join(item.xpath('./td[2]/font/text()')).strip(), 9????????????????'c':?''.join(item.xpath('./td[3]/text()')).strip(),10????????????????'d':?''.join(item.xpath('./td[4]/text()')).strip(),11????????????????'e':?''.join(item.xpath('./td[5]/text()')).strip(),12????????????????'f':?''.join(item.xpath('./td[6]/div/text()')).strip(),13????????????????'g':?''.join(item.xpath('./td[7]/div/text()')).strip(),14????????????????'h':?''.join(item.xpath('./td[8]/text()')).strip(),15????????????????'i':?''.join(item.xpath('./td[9]/text()')).strip()16????????????}17????????????#print(item)18????????????try:19????????????????with?open('./law.csv',?'a',?encoding='utf_8_sig',?newline='')?as?fp:20????????????????????#?'a'為追加模式(添加)21????????????????????#?utf_8_sig格式導出csv不亂碼22????????????????????fieldnames?=?['a',?'b',?'c',?'d',?'e','f','g','h','i']23????????????????????writer?=?csv.DictWriter(fp,fieldnames)24????????????????????writer.writerow(item)25????????????except?Exception:26????????????????print(traceback.print_exc())??#代替print?e?來輸出詳細的異常信息27????except?Exception:28????????print(traceback.print_exc())

最后，遍歷一下頁數，調用一下函數。OK，搞定！

1????for?page?in?range(1,5):??#這里設置想要爬取的頁數2????????html?=?get_page(page)3????????#print(html)4????????print("第"?+?str(page)?+?"頁提取完成")

我們來看一下最終效果：

二

Selenium

好學的朋友可能還想看看Selenium是如何來爬AJAX動態加載網頁的，J哥自然會滿足你的好奇心。于是趕緊新建了一個py文件，準備趁勢追擊，用Selenium把這網站爬下來。

首先，把相關庫導進來。

1from?lxml?import?etree2import?time3from?selenium?import?webdriver4from?selenium.?webdriver.support.wait?import?WebDriverWait5from?selenium.webdriver.support?import?expected_conditions?as?EC6from?selenium.webdriver.common.by?import?By

然后，用chromedriver驅動打開這個網站。

1def?main():2????#?爬取首頁url3????url?=?"http://www.hshfy.sh.cn/shfy/gweb2017/flws_list.jsp?ajlb=aYWpsYj3D8crCz"4????#?定義谷歌webdriver5????driver?=?webdriver.Chrome('./chromedriver')6????driver.maximize_window()??#?將瀏覽器最大化7????driver.get(url)

于是，驚喜的發現，報錯了。J哥憑借著六級英語的詞匯儲量，居然看懂了！大概意思是我的驅動和瀏覽器的版本不匹配，只支持79版本的瀏覽器。

J哥很郁悶，因為我以前爬蟲用Selenium沒出現過這種問題啊。J哥不甘心，于是打開了谷歌瀏覽器看了下版本號。

我丟！都更新到81版本啦！既然這樣，那就請好奇的小伙伴等J哥設置好瀏覽器自動更新、重新下載最新驅動后，下次再來聽窩講Selenium爬蟲吧，記得關注此公眾號，精彩不錯過哦~

結 語

總結一下，對于AJAX動態加載網頁爬蟲，一般就兩種方式：解析接口；Selenium。J哥推薦解析接口的方式，如果解析的是json數據，就更好爬了。實在沒轍了再用Selenium吧。

后臺私信小編01獲取完整項目代碼`1

總結

以上是生活随笔為你收集整理的python实现监控电脑打开网页_Python轻松实现动态网页爬虫(附详细源码)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。