[已解决]爬取动态网页的数据推荐用什么模块 selenium求大哥指点

wcq15759797758

用selenium爬了一天的今天头条 什么也没爬出来

最佳答案

月排行榜 / 总排行榜

wp231957

2021-6-21 12:40:45

wcq15759797758 发表于 2021-6-21 13:17
https://www.toutiao.com/ch/news_tech    爬取里面的标题  我用了find_elements_by_xpath

不一定非要用selenium的
你试试这个代码  看看能不能拿到数据

1. import requests
   
2. 
   
3. url='https://www.toutiao.com/api/pc/feed/?'
   
4. 
   
5. headers={
   
6.     'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36'
   
7. }
   
8. params={
   
9.     'min_behot_time': '0',
   
10.     'refresh_count': '1',
    
11.     'category': 'news_tech',
    
12.     'utm_source': 'toutiao',
    
13.     'widen': '1',
    
14.     'tadrequire': 'true',
    
15.     '_signature': '_02B4Z6wo00d01eDWtRwAAIDCJl-taOBJ2t3g8rGAABjn6cxBkgtLHOzFJDtYU3VcM3cwz7YTApRXybmmU.YUUyEYXOEM4BNeozIGE.z4PkW17XPWjlbWGm5GC315aHiR6t3KAXnWcmprpg2.f1'
    
16. }
    
17. 
    
18. res=requests.get(url=url,headers=headers,params=params)
    
19. print(res.json())

复制代码

跳转到最佳答案楼层

wp231957

wcq15759797758 发表于 2021-6-21 13:17
https://www.toutiao.com/ch/news_tech    爬取里面的标题  我用了find_elements_by_xpath

不一定非要用selenium的
你试试这个代码  看看能不能拿到数据

1. import requests
   
2. 
   
3. url='https://www.toutiao.com/api/pc/feed/?'
   
4. 
   
5. headers={
   
6.     'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36'
   
7. }
   
8. params={
   
9.     'min_behot_time': '0',
   
10.     'refresh_count': '1',
    
11.     'category': 'news_tech',
    
12.     'utm_source': 'toutiao',
    
13.     'widen': '1',
    
14.     'tadrequire': 'true',
    
15.     '_signature': '_02B4Z6wo00d01eDWtRwAAIDCJl-taOBJ2t3g8rGAABjn6cxBkgtLHOzFJDtYU3VcM3cwz7YTApRXybmmU.YUUyEYXOEM4BNeozIGE.z4PkW17XPWjlbWGm5GC315aHiR6t3KAXnWcmprpg2.f1'
    
16. }
    
17. 
    
18. res=requests.get(url=url,headers=headers,params=params)
    
19. print(res.json())

复制代码

wp231957

网址拿来

wcq15759797758

wp231957 发表于 2021-6-21 12:54
网址拿来

https://www.toutiao.com/ch/news_tech    爬取里面的标题  我用了find_elements_by_xpath

nahongyan1997

selenium 大法好

wcq15759797758

wp231957 发表于 2021-6-21 12:40
不一定非要用selenium的
你试试这个代码  看看能不能拿到数据

谢谢大佬指点！

wcq15759797758

nahongyan1997 发表于 2021-6-21 15:56
selenium 大法好

我还在学selenium

wp231957

wcq15759797758 发表于 2021-6-23 16:00
我还在学selenium

selenium有个弱点  就是慢啊   所以 她是最后的选项  永远排在最后

wcq15759797758

wp231957 发表于 2021-6-21 12:40
不一定非要用selenium的
你试试这个代码  看看能不能拿到数据

大佬你这个url怎么分析出来的  还有参数我没找到

wp231957

wcq15759797758 发表于 2021-6-23 16:08
大佬你这个url怎么分析出来的  还有参数我没找到

开F12  或右键  检查   （最好是谷歌浏览器 火狐也可以  360极速模式也可以）
定位到NETWORK选项卡   然后刷新数据   着重看XHR 选项卡  然后就慢慢看吧  有的xhr 很多  但不都是你所关心的   如果xhr 什么都 没有   恭喜你，这是一个静态网页   很easy了

wcq15759797758

wp231957 发表于 2021-6-23 16:11
开F12  或右键  检查   （最好是谷歌浏览器 火狐也可以  360极速模式也可以）
定位到NETWORK选项卡    ...

找到了！ 谢谢大佬！

wp231957

wcq15759797758 发表于 2021-6-23 16:08
大佬你这个url怎么分析出来的  还有参数我没找到

进：

wcq15759797758

wp231957 发表于 2021-6-23 16:11
开F12  或右键  检查   （最好是谷歌浏览器 火狐也可以  360极速模式也可以）
定位到NETWORK选项卡    ...

大佬如果用requests 那怎么样才可以下滑 这样取得话 只能取到一开始的信息

wp231957

wcq15759797758 发表于 2021-6-23 16:20
大佬如果用requests 那怎么样才可以下滑 这样取得话 只能取到一开始的信息

这个就得慢慢分析了，搞不好和那个很长很长的sign 有关  典型的ajax

wcq15759797758

wp231957 发表于 2021-6-23 16:25
这个就得慢慢分析了，搞不好和那个很长很长的sign 有关  典型的ajax

谢谢大哥的分析！