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
  • 02 2019-07
    几个浏览器设代理IP上网

    几个浏览器设代理IP上网,平常上网都是需要使用到浏览器的,现在浏览器也不少,今天小编就找几个浏览器,为大家介绍下如何设置代理ip上网。

  • 13 2019-08
    怎么设置随机选IP代理池中的IP使用

    怎么设置随机选IP代理池中的IP使用?使用IP代理,目的就是为了换IP,掩护我们是爬虫的身份,这就要求IP量要多,要高匿名,还要想着怎么使用?

  • 25 2019-02
    关于爬虫遇到的各种限制问题

    爬虫被禁IP这是个非常常见的问题,应对的方法也唯有换IP了,不然怎么也避免开这IP被封的情况。除了IP被封外,爬虫还是会遇到其他的问题,若是不能成功的伪装过去,那么被发现是迟早的事

  • 28 2019-10
    机灵代理提供的IP能够有什么用?

    面对网站针对一个IP地址只能够注册一个账号,或者是同个IP只能够享受一次优惠,我们可以通过使用代理IP来进行换IP,这样就能够多次注册,以及享受多次优惠了。那么,代理IP还有哪些功能

  • 05 2019-04
    添加代理ip,爬虫是否能绕过访问

    在使用爬虫时,有没有遇到什么问题?比如说,刚开始爬,马上就被封了,还不知道原因。遇到这个问题,一般是什么原因呢?

  • 17 2019-07
    哪里找http代理ip?

    哪里找http代理ip?现如今,互联网上各种各样的http代理服务器层出不穷,由于做python爬虫的缘故,这个问题已经被ask无数次了。下面小编介绍几个常见的http代理服务器渠道。

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961