怎样抓取网页数据(如何用python来抓取页面中的动态动态网页数据？ )

　　怎样抓取网页数据(如何用python来抓取页面中的动态动态网页数据？

)

　　”

　　浏览器中显示的内容与右键查看的网页源代码是否不同？

　　右键查看源代码

　　生成的 HTML 不收录 ajax 异步加载的内容

　　查看原创文件只是网页的初始状态，但实际上网页可能在加载后立即执行js来改变初始状态。当前网页不同于传统的动态网页，可以在不刷新网页的情况下改变网页的部分数据。这一切都是通过js和服务端的交互来完成的。这就像一个程序使用对话框编辑器来设计界面，但在实际操作中，您必须在其中加载数据，更改控件状态，甚至创建新控件、销毁控件或隐藏现有控件。外观自然会发生变化。

　　”

　　我们经常会发现，网页中的很多数据并不是用HTML硬编码的，而是通过js动态加载的。所以也引出了动态数据的概念。这里的动态数据是指网页中Javascript动态生成的页面内容，是页面加载到浏览器后动态生成的，以前没有的。

　　在编写爬虫抓取网页数据的时候，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，将无法获取任何数据。

　　今天，我们就在这里简单说说如何使用python抓取页面中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中获取每部电影的信息。

　　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Network中的XHR，我们抓取对应的js文件进行分析。如下所示：

　　在豆瓣页面向下拖动，可以将更多的电影信息加载到页面中，以便我们抓取相应的消息。

　　我们可以看到它使用了 AJAX 异步请求。通过在后台与服务器交换少量数据，AJAX 可以使网页异步更新。因此，可以在不重新加载整个网页的情况下更新网页的某个部分，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，以JSON格式存储在一起。

　　查看RequestURL信息，可以发现action参数后面有“start”和“limit”两个参数。显然他们的意思是：“从某个位置返回的电影数量”。

　　如果你想快速获取相关电影信息，可以直接把这个网址复制到地址栏，修改你需要的start和limit参数值，得到相应的抓取结果。

　　但这看起来很不自动化，很多其他的网站 RequestURL 都不是那么简单，所以我们将使用python 进行进一步的操作，以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