Python實戰(zhàn)練習(xí)之終于對肯德基下手
準(zhǔn)備工作
查看肯德基官網(wǎng)的請求方法：post請求。
X-Requested-With: XMLHttpRequest 判斷得肯德基官網(wǎng)是ajax請求
通過這兩個準(zhǔn)備步驟，明確本次爬蟲目標(biāo)：
ajax的post請求肯德基官網(wǎng) 獲取上?？系禄攸c前10頁。
分析
獲取上?？系禄攸c前10頁，那就需要先對每頁的url進(jìn)行分析。
第一頁
# page1 # http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname # POST # cname: 上海 # pid: # pageIndex: 1 # pageSize: 10
第二頁
# page2 # http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname # POST # cname: 上海 # pid: # pageIndex: 2 # pageSize: 10
第三頁依次類推。
程序入口
首先回顧urllib爬取的基本操作：
# 使用urllib獲取百度首頁的源碼
import urllib.request
# 1.定義一個url，就是你要訪問的地址
url = 'http://www.baidu.com'
# 2.模擬瀏覽器向服務(wù)器發(fā)送請求 response響應(yīng)
response = urllib.request.urlopen(url)
# 3.獲取響應(yīng)中的頁面的源碼 content內(nèi)容
# read方法 返回的是字節(jié)形式的二進(jìn)制數(shù)據(jù)
# 將二進(jìn)制數(shù)據(jù)轉(zhuǎn)換為字符串
# 二進(jìn)制-->字符串 解碼 decode方法
content = response.read().decode('utf-8')
# 4.打印數(shù)據(jù)
print(content)
- 定義一個url，就是你要訪問的地址
- 模擬瀏覽器向服務(wù)器發(fā)送請求 response響應(yīng)
- 獲取響應(yīng)中的頁面的源碼 content內(nèi)容
if __name__ == '__main__':
start_page = int(input('請輸入起始頁碼: '))
end_page = int(input('請輸入結(jié)束頁碼: '))
for page in range(start_page, end_page+1):
# 請求對象的定制
request = create_request(page)
# 獲取網(wǎng)頁源碼
content = get_content(request)
# 下載數(shù)據(jù)
down_load(page, content)
對應(yīng)的，我們在主函數(shù)中也類似聲明方法。
url組成數(shù)據(jù)定位
爬蟲的關(guān)鍵在于找接口。對于這個案例，在預(yù)覽頁可以找到頁面對應(yīng)的json數(shù)據(jù)，說明這是我們要的數(shù)據(jù)。
構(gòu)造url
不難發(fā)現(xiàn)，肯德基官網(wǎng)的url的一個共同點，我們把它保存為base_url。
base_url = 'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname'
參數(shù)
老樣子，找規(guī)律，只有'pageIndex'和頁碼有關(guān)。
data = {
'cname': '上海',
'pid': '',
'pageIndex': page,
'pageSize': '10'
}
post請求
- post請求的參數(shù) 必須要進(jìn)行編碼
data = urllib.parse.urlencode(data).encode('utf-8')
- 編碼之后必須調(diào)用encode方法
- 參數(shù)放在請求對象定制的方法中：post的請求的參數(shù)，是不會拼接在url后面的，而是放在請求對象定制的參數(shù)中
所以將data進(jìn)行編碼
data = urllib.parse.urlencode(data).encode('utf-8')
標(biāo)頭獲?。ǚ乐狗磁赖囊环N手段）
即 響應(yīng)頭中UA部分。
User Agent，用戶代理，特殊字符串頭，使得服務(wù)器能夠識別客戶使用的操作系統(tǒng)及版本，CPU類型，瀏覽器及版本，瀏覽器內(nèi)核，瀏覽器渲染引擎，瀏覽器語言，瀏覽器插件等。
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Edg/94.0.992.38'
}
請求對象定制
參數(shù)，base_url，請求頭都準(zhǔn)備得當(dāng)后，就可以進(jìn)行請求對象定制了。
request = urllib.request.Request(base_url, headers=headers, data=data)
獲取網(wǎng)頁源碼
把request請求作為參數(shù)，模擬瀏覽器向服務(wù)器發(fā)送請求 獲得response響應(yīng)。
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
獲取響應(yīng)中的頁面的源碼，下載數(shù)據(jù)
使用 read()方法，得到字節(jié)形式的二進(jìn)制數(shù)據(jù)，需要使用 decode進(jìn)行解碼，轉(zhuǎn)換為字符串。
content = response.read().decode('utf-8')
然后我們將下載得到的數(shù)據(jù)寫進(jìn)文件，使用 with open() as fp 的語法，系統(tǒng)自動關(guān)閉文件。
def down_load(page, content):
with open('kfc_' + str(page) + '.json', 'w', encoding='utf-8') as fp:
fp.write(content)
全部代碼
# ajax的post請求肯德基官網(wǎng) 獲取上?？系禄攸c前10頁
# page1
# http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname
# POST
# cname: 上海
# pid:
# pageIndex: 1
# pageSize: 10
# page2
# http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname
# POST
# cname: 上海
# pid:
# pageIndex: 2
# pageSize: 10
import urllib.request, urllib.parse
def create_request(page):
base_url = 'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname'
data = {
'cname': '上海',
'pid': '',
'pageIndex': page,
'pageSize': '10'
}
data = urllib.parse.urlencode(data).encode('utf-8')
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Edg/94.0.992.38'
}
request = urllib.request.Request(base_url, headers=headers, data=data)
return request
def get_content(request):
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
return content
def down_load(page, content):
with open('kfc_' + str(page) + '.json', 'w', encoding='utf-8') as fp:
fp.write(content)
if __name__ == '__main__':
start_page = int(input('請輸入起始頁碼: '))
end_page = int(input('請輸入結(jié)束頁碼: '))
for page in range(start_page, end_page+1):
# 請求對象的定制
request = create_request(page)
# 獲取網(wǎng)頁源碼
content = get_content(request)
# 下載數(shù)據(jù)
down_load(page, content)
爬取后結(jié)果
鞠躬?。?！其實還爬過Lisa的照片，想看爬蟲代碼的歡迎留言 ?。?！
到此這篇關(guān)于Python實戰(zhàn)練習(xí)之終于對肯德基下手的文章就介紹到這了,更多相關(guān)Python 肯德基官網(wǎng)內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信