动态网页抓取(如何用python来抓取页面中的JS动态加载的数据 )

　　动态网页抓取(如何用python来抓取页面中的JS动态加载的数据

)

　　我们经常会发现网页中的很多数据并不是用 HTML 编写的，而是通过 js 动态加载的。因此，引入了动态数据的概念。这里的动态数据是指网页中通过Javascript动态生成的页面内容。它是在页面加载到浏览器后动态生成的，但之前没有。

　　在编写爬虫爬取网页数据的时候，经常会遇到这种需要动态加载数据的HTML网页。如果还是直接从网页爬取，就无法获取任何数据。

　　今天就简单讲一下如何使用python爬取页面中JS动态加载的数据。

　　给定一个网页：豆瓣电影排行榜，里面的所有电影信息都是动态加载的。我们无法直接从页面获取有关每部电影的信息。

　　如下图所示，我们在 HTML 中找不到对应的电影信息。

　　在Chrome浏览器中，点击F12打开网络中的XHR，我们抓取对应的js文件进行解析。如下所示：

　　在豆瓣页面上拖拽，让页面加载更多的电影信息，方便我们抓取对应的消息。

　　我们可以看到它使用了 AJAX 异步请求。AJAX 可以通过在后台与服务器交换少量数据来异步更新网页。因此，可以在不重新加载整个网页的情况下更新网页的一部分，从而实现数据的动态加载。

　　我们可以看到，通过 GET，我们得到的响应中收录了对应的电影相关信息，并以 JSON 格式保存在一起。

　　查看RequestURL信息，我们可以看到action参数后面有两个参数“start”和“limit”，很明显的意思是：“从某个位置返回的电影数量”。

　　如果想快速获取相关电影信息，可以直接将网址复制到地址栏，修改自己需要的start和limit参数值，抓取对应的结果。

　　但这看起来很不自动化，而网站的其他很多RequestURL也不是那么直接，所以我们将使用python进行进一步的操作来获取返回的消息信息。

　　 #coding:utf-8 import urllib import requests post_param = {'action':'','start':'0','limit':'1'} return_data = requests.get("https://movie.douban.com/j/chart/top_list?type=11&interval_id=100%3A90",data =post_param, verify = False) print return_data.text