您的位置:首页 > 新闻资讯 >文章内容
网站使用AJAX异步加载后,爬虫是怎么进行抓取的?
来源:互联网 作者:admin 时间:2019-02-22 16:53:18

    对于AJAX异步加载,大部分都是不理解的,但是我们都见过。其实我们日常使用设备上网的时候,经常会遇到AJAX异步加载,比如搜索信息会先出来一部分数据,当玩下滑的时候不断有新的数据出现。


    也就死说,使用AJAX异步加载,可以实现在不重新加载整个网页的情况下,对网页的某部分进行更新。那么对于网站使用AJAX异步加载后,爬虫是怎么进行抓取的?


    对于这类网页,我们一般采用两种方法:


    1、通过抓包找到异步加载请求的真正地址


    2、通过PhantomJS等无头浏览器执行JS代码后再抓取


    但是通常采取第一种方法,因为第二种方法使用无头浏览器会大大降低抓取的效率。


    异步加载网站抓取示例 :


    使用豆瓣电影分类排行榜作为抓取示例,电影信息网页源码中没有,并且采用鼠标下拉更新页面,这时需要我们在需要抓取的页面打开Chrome的开发者工具,选择network,实现一次下拉刷新


    发现新增了一个get请求,并且响应为JSON格式。观察JSON的内容,发现正是需要抓取的内容。


    抓取内容的问题解决了,接下来处理多页抓取问题,因为请求为get形式,所以首先进行几次下拉刷新,观察请求链接的变化,会发现请求的地址中只有start的值在变化,并且每次刷新增加20,其他都不变,所以我们更改这个参数就可以实现翻页。


    由于之前已经在items.py中对需要抓取的数据做了声明,所以只需要在scraoyspider/spiders目录下创建一个新的爬虫文件


    douban_actions.py,代码如下:


网站使用AJAX异步加载后,爬虫是怎么进行抓取的?

网站使用AJAX异步加载后,爬虫是怎么进行抓取的?


    然而,很多时候ajax请求都会经过后端鉴权,不能直接构造URL获取。这时就可以通过PhantomJS、chromedriver等配合Selenium模拟浏览器动作,抓取经过js渲染后的页面。


    使用这种方法有时会遇到定位网页页面元素定位不准的情况,这时就要注意网页中的frame标签,frame标签有frameset、frame、iframe三种,frameset跟其他普通标签没有区别,不会影响到正常的定位,而frame与iframe对selenium定位而言是一样的,需要进行frame的跳转。


    以上就是如何抓取AJAX异步加载页面的方法,仅供参考。不管是面对哪种反爬虫,其实只要舍得花成本,还是有方法可以抓取的,毕竟不管反爬虫多么的厉害,也是人弄的,总有人技术更好。但是当成本高于经济效率时,自然就不会抓取了。


相关文章内容简介
推荐阅读
  • 19 2019-03
    反反爬虫使用代理IP时,如何进行IP切换

    反反爬虫需要使用代理IP已经成为当下比较透明的方法了,即使新手初入门也被普及要使用代理IP,这确实是个非常实用,也是必要的工具。不过还是有很多人不知道,反反爬虫使用代理IP时如何

  • 06 2019-08
    遭遇封IP免费代理IP能解决吗

    遭遇封IP免费代理IP能解决吗?这个其实比较难,因为免费的质量如何,即使不用,大家心理也是有数的,不管怎么检测都是会对效果有些影响的。

  • 03 2020-01
    动态ip​上网有什么好处吗?

    动态ip​上网有什么好处吗?我们在连接上网时,需要进行选择“静态”、“动态”、“拨号”这几种中的其中一种方式来上网,它们都有什么区别呢?各有哪些优缺点,选择哪种方式上网好?

  • 22 2019-05
    借用代理IP来刷浏览量

    流量时代,不少人都借用代理IP来刷浏览量,或者其他的一些数据也是可以刷的,这刷上来的数据靠谱吗?

  • 07 2019-06
    多账号最好用国内代理ip换ip

    多账号最好用国内代理ip换ip,为什么呢?哪里有国内代理ip?很多人认为在玩游戏的时候是防封的,IP地址不重要。其实不然,如果同一个IP地址登录了同一款游戏的多个账号,也是有被封账号

  • 02 2019-07
    代理ip的类型不同作用也不一样

    代理ip的类型不同作用也不一样,我们经常使用的代理ip其实是有分不同的类型的,其用途不一样,因此,如果要用代理ip要根据实际的用途来分析。

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部