python怎么爬取ajax-木庄网络博客

本文摘自php中文网，作者(*-*)浩，侵删。

使用python包：requests。

具体方法：（推荐学习：Python视频教程）

首先是定义自己headers，注意headers里面的User-Agent这一字段可以根据自己需求设计一个列表，用于随机调换。

ajax数据的网页特点：NetWork中的XHR网络流中有一些ajax请求，其中它们request_url必定是一个ajax请求接口，并且headers里面的referer是其跳转前的url，在构造自己的headers的时候需要设置referer字段。

以拉勾网主页搜索“java”为例：

ajax数据的抓取爬虫和普通的网页爬取多了一个url，一个是referer的url，放置于headers中。另外一个就是ajax_url，这个也是主要访问url。

最重要的一点，ajax一般返回json数据，所以抓取下来的数据解析形式有所不同。直接将结果集转换成json结果集即可，访问方式就是普通字典、列表访问形式。

另外一个就是访问参数，若请求中带有param，就将其构造。若没有可忽略。本例中有参数，注意参数字典构造方法

下面就展示出来一个简单的完整代码

from urllib.request import quote,unquote
import random
import requests
  
keyword = quote('java').strip()
print(keyword, type(keyword))
city = quote('郑州').strip()
print(unquote(city))
  
refer_url = 'https://www.lagou.com/jobs/list_%s?city=%s&cl=false&fromSearch=true&labelWords=&suginput=' % (keyword, city)
ajax_url = 'https://www.lagou.com/jobs/positionAjax.json?city=%s&needAddtionalResult=false' %city
user_agents=[
    'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36',
    'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36',
    'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 Edge/16.16299',
]
  
data ={
    'first': 'true',
    'pn': '1',
    'kd': keyword,
}
headers={
    'Accept': 'application/json, text/javascript, */*; q=0.01',
    'Accept-Encoding': 'gzip, deflate, br',
    'Accept-Language': 'zh-CN,zh;q=0.9',
    'Connection': 'keep-alive',
    'Content-Length': '46',
    'Content-Type': 'application/x-www-form-urlencoded; charset=UTF-8',
    'Host': 'www.lagou.com',
    'Origin': 'https://www.lagou.com',
    'Referer': refer_url,
    'User-Agent': user_agents[random.randrange(0,3)],
    'X-Anit-Forge-Code': '0',
    'X-Anit-Forge-Token': 'None',
    'X-Requested-With': 'XMLHttpRequest',
}
resp = requests.post(ajax_url,data=data, headers=headers)
  
result = resp.json()
print(result)
# print(result)
#result 就是最终获得的json格式数据
item = result['content']['positionResult']['result'][0]
print(item)
#item就是单个招聘条目信息
print("程序结束")