【零基础学爬虫】分析Ajax，抓取今日头条街拍美图

简介

本文通过分析Ajax请求，然后使用requests来爬取今日头条街拍美图数据。有些网页直接请求并没有包括我们在浏览器中看到的内容，这是因为这些信息是通过Ajax加载，并且通过js渲染生成的，这时候就需要我们分析网页的请求。
本文使用的解析库是Beautifulsoup和正则表达式，请求使用的是requests

目标站点分析

今天我们要爬取的就是上图中的图片
（1）请求分析
邮件->检查->network->preserve log 重新刷新页面，查看key words请求的返回结果

对返回结果分析发现：里面都是一些js，并没有我们需要的街拍图片信息
这些数据其实是通过Ajax来加载的，如下图：

下面截图中的share_url对应的就是左边第一个结果点进去后的超链接，另外，用鼠标不断下滑页面：

随着你不断下滑浏览页面，Ajax请求也越来越多，也就是说：页面上的数据不是一次性加载的，是随着页面的滑动动态加载的更具体而言，这些请求如下：

实际上改变offset就可以获取到对应返回的json数据了，我们需要的是一个循环，改变请求链接中的offset，去请求这些地址就可以获取到对应的数据了。得到返回的就送数据后，使用json解析数据就可以了

整体搜索结果分析之后，我们进入一个具体的结果，分析每一个结果集的数据图片是通过什么方式加载的，我们点击任意一个“街拍 图集”的搜索结果：

上面这张图是片是通过什么方式加载的呢？也会是Ajax吗？请求分析：

对原始的请求分析发现：图片链接地址在js变量中：

由于gallery变量不是隐藏在html中，我们就不能使用Beautifulsoup和PyQuery等解析库去解析，比较简单的方式就是正则表达式解析。

流程框架分析

• 获取关键词‘街拍 美图’搜索结果，这部分是通过Ajax动态加载的，只需要使用requests请求即可（更改offset），每个Ajax请求返回的是多个搜索结果
• 每个搜索结果的详情数据页的图片地址在js中（如上图所示），使用正则匹配即可

实现分析

在获取“街拍 美图”的关键词搜索结果时注意参数设置

上图是搜索关键词后返回的结果，由之前分析知道，返回结果是通过Ajax动态加载的，每一个Ajax请求都有对应的参数也就是上图中红色方框中的那部分参数，不同Ajax请求只需要更改offset即可，offset每次递增20。斌并且有请求头知道，Ajax是get请求：

上述参数在代码中就是对应字典形式
然后通过url拼接和urlencode(字典参数)拼接请求地址
urlencode可以将字典参数转换成url请求参数，由urllib库提供的方法

• 使用json解析返回的data json数组，提取data数组中的share_url（文章详情链接地址）、title（标题）

源码和数据：

** 爬取的数据**

扫描下方二维码，发送关键词“街拍美图”即可获取本文的完整源码和详细程序注释

公众号专注：互联网求职面经、java、python、爬虫、大数据等技术、海量资料分享：公众号后台回复“csdn文库下载”即可免费领取【csdn】和【百度文库】下载服务；公众号后台回复“资料”:即可领取5T精品学习资料、java面试考点和java面经总结，以及几十个java、大数据项目，资料很全，你想找的几乎都有

标签：分析,请求,结果,爬虫,Ajax,美图,数据,加载
来源： https://blog.csdn.net/liewen_/article/details/89417829