鱼C论坛

 找回密码
 立即注册
查看: 3347|回复: 5

Python爬虫response不是标准Json格式,怎么解析?

[复制链接]
发表于 2021-6-9 12:14:00 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
在爬取http://vip.win007.com/count/goal ... 1988099&cid=115,图1中红色方框内数据

网页是动态网页,但是response对象不是标准的json格式,如图2所示,有前缀,
怎么把前面的
“var goalPageInfo = [5,1];
var goalPageData =”
信息去掉,留下后面的内容?


import json
import requests

url = 'http://vip.win007.com/count/goalData.aspx?p=1&sp=1&t=5&time=2021/5/28%2019:00:00&hw=2.3&gw=3&g=3&cid=115&r=1&t2=1&scid=466&flesh=0.22358079357785554'
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.77 Safari/537.36"
    }
#r = requests.get(url=url,headers=headers).json()

#print(r)

r = requests.get(url=url,headers=headers)
# 调用get方法,下载
#print(type(r.content.decode('gbk')))
#print(r.content.decode('gbk'))

ret = r.content.decode('gbk')
print(ret)
result = json.loads(ret)
print(result)

代码会报错

图1

图1
微信图片_20210609120844.png
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2021-6-9 14:42:40 From FishC Mobile | 显示全部楼层
这就是去掉前面部分也只是列表啊,和json也不沾边
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2021-6-9 15:43:15 | 显示全部楼层
试试ujson库
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2021-6-9 17:11:46 | 显示全部楼层

回帖奖励 +5 鱼币

  1. import requests

  2. url = 'http://vip.win007.com/count/goalData.aspx?p=1&sp=1&t=5&time=2021/5/28%2019:00:00&hw=2.3&gw=3&g=3&cid=115&r=1&t2=1&scid=466&flesh=0.22358079357785554'
  3. headers = {
  4.     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.77 Safari/537.36"
  5.     }
  6. r = requests.get(url=url,headers=headers)
  7. r.encoding="gbk"
  8. lst=r.text.split("=")[2][:-2]
  9. for x in eval(lst):
  10.     print(x)
复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2021-6-10 00:27:00 | 显示全部楼层
  1. import requests
  2. import re

  3. url = 'http://vip.win007.com/count/goalData.aspx?p=1&sp=1&t=5&time=2021/5/28%2019:00:00&hw=2.3&gw=3&g=3&cid=115&r=1&t2=1&scid=466&flesh=0.22358079357785554'
  4. headers = {
  5.     'User-Agent': 'Mozilla/5.0'
  6. }
  7. res = requests.get(url, headers=headers)
  8. datas = eval(re.findall('Data = (.*?);', res.content.decode('gbk'))[0])
  9. for data in datas:
  10.     print(data)
复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 1 反对 0

使用道具 举报

发表于 2021-6-10 09:43:40 | 显示全部楼层
  1. import re
  2. import requests

  3. res = requests.get(
  4.     url='http://vip.win007.com/count/goalData.aspx?p=1&sp=1&t=5&time=2021/5/28%2019:00:00&hw=2.3&gw=3&g=3&cid=115&r=1&t2=1&scid=466',
  5.     headers={  'User-Agent': 'Mozilla/5.0' }
  6. )

  7. m = re.findall("(\[\[.*?\]\])",res.content.decode('gbk'), re.S|re.M)[0]
  8. for  l in eval(m):
  9.     print(l)
复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-6-22 21:35

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表