[已解决]请教爬取如下动态网页解析json方法

hiraicn

url = ‘https://2.smzdm.com/home/json_more?limit=1’

通过观察以上链接返回的内容并不是标准的json格式，我的思路是先处理一下源码。

两个地方请教一下：
1.首先是如何获得“[ ]里的json格式内容；
2.这里的json是嵌套的，请问如何解析出数据;

最佳答案

月排行榜 / 总排行榜

gopythoner

2017-3-27 16:30:03

使用正则表达式把JSON的标准格式部分提取出来，然后在用json.loads(html)去解析就行了
比如你得到的网页信息是这样的：

1. html = "json12345({"abc":"abc12343555"})"
   
2. data = re.findall(".*?\((.*)\)",html)[0]
   
3. info  = json.loads(data)

复制代码

一般都是这种格式，你需要提取的是{"abc":"abc12343555"}这部分对吧，那就用正则提取就行，我给的这个正则是通用的
记得把我的答案设置成标准答案

跳转到最佳答案楼层

hldh214

1. >>> import requests
   
2. >>> print(requests.get('https://2.smzdm.com/home/json_more?limit=1', headers={'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}).json())
   
3. {'res': [{'contact_type': '3', 'create_time': '2017-03-12 23:05:48', 'title': 'Kipling 凯普林 Artelo男士钱包', 'publish_time': '2017-03-13 12:50:15', 'publish_from': 'web', 'wiki_brand_id': '0', 'comment_count': '0', 'user_remark': '', 'origin_use_title': 'Kipling 凯普林 Artelo男士钱包', 'user_id': '3064649', 'area': '33', 'sort_time': '2017-03-13 12:50:15', 'product_desc': '转手原因：买多了，转2个  招行的汇率我也是醉了\n入手渠道：德国亚马逊\n是否包邮：不包邮\n是否接受议价：不二价\n宝贝介绍：沿用了kipling家经典尼龙面料........

复制代码

hiraicn

hldh214 发表于 2017-3-13 13:02

感谢，请问大大此时打印出来的结果是标准json吗？可以直接获取里面各个数据吗？

hldh214

hiraicn 发表于 2017-3-13 13:24
感谢，请问大大此时打印出来的结果是标准json吗？可以直接获取里面各个数据吗？

你试试不就知道了

hiraicn

1. # -*- coding: utf-8 -*-
   
2. import requests
   
3. url = 'https://2.smzdm.com/home/json_more?limit=1'
   
4. hearder = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'}
   
5. data = requests.get(url,headers = hearder).json()['res']
   
6. for i in data:
   
7.     item_info = {
   
8.         'title' = i['title'],
   
9.         'price' = i['order_price'],
   
10.         'link' = i['buy_link'],
    
11.     }
    
12.     print item_info

复制代码

报错如下：
    'title' = i['title'],
            ^
SyntaxError: invalid syntax

deadofpeople

是标准的json

hldh214

hiraicn 发表于 2017-3-13 16:06
报错如下：
    'title' = i['title'],
            ^

好好复习一下基本 python 语法吧

hiraicn

hldh214 发表于 2017-3-13 17:17
好好复习一下基本 python 语法吧

等号应该改冒号...

gopythoner

使用正则表达式把JSON的标准格式部分提取出来，然后在用json.loads(html)去解析就行了
比如你得到的网页信息是这样的：

1. html = "json12345({"abc":"abc12343555"})"
   
2. data = re.findall(".*?\((.*)\)",html)[0]
   
3. info  = json.loads(data)

复制代码

一般都是这种格式，你需要提取的是{"abc":"abc12343555"}这部分对吧，那就用正则提取就行，我给的这个正则是通用的
记得把我的答案设置成标准答案

gopythoner

你的这个网页信息分明就是标准的JSON文件，根本不需要用正则提取，可以直接json.loads(html)