有時(shí)候在我們設(shè)計(jì)利用requests抓取網(wǎng)頁數(shù)據(jù)的時(shí)候，會發(fā)現(xiàn)所獲得的結(jié)果可能與瀏覽器顯示給我們的不一樣：比如說有的信息我們通過瀏覽器可以顯示，但一旦用requests卻得不到想要的結(jié)果。這種現(xiàn)象是因?yàn)槲覀兺ㄟ^requests獲得的都是HTML源文檔，而瀏覽器中見到的頁面數(shù)據(jù)都是經(jīng)過JavaScript處理的，而這些處理的數(shù)據(jù)可能是通過Ajax加載、本身包含于HTML中或是經(jīng)過JavaScript自動生成。

由Web發(fā)展趨勢來看，越來越多的網(wǎng)頁都通過Ajax加載來呈現(xiàn)，即網(wǎng)頁數(shù)據(jù)加載是一種異步加載方式，網(wǎng)頁本身不包含數(shù)據(jù)，而是在初始化網(wǎng)頁后自動地通過向服務(wù)器發(fā)送Ajax請求，然后從服務(wù)器獲取相應(yīng)數(shù)據(jù)之后在渲染到網(wǎng)頁上。本節(jié)下面將重點(diǎn)介紹Ajax的相關(guān)概念和如何判斷和獲取是否由Ajax請求，并在后面介紹爬取Ajax數(shù)據(jù)的兩種基本方法。

Ajax簡介

Ajax（全稱Asynchronous JavaScript and XML，異步的JavaScript 和 XML），是一種利用JavaScript在保證頁面不被刷新、頁面鏈接不改變的情況下與服務(wù)器交換數(shù)據(jù)并更新部分網(wǎng)頁的技術(shù)。使用Ajax的示例有很多，比如說新浪微博和不凡商業(yè)的查看更多等。

Ajax分析

初步了解Ajax后，我們便可以知道其加載過程主要分為三個(gè)步驟：發(fā)送請求——解析內(nèi)容——渲染頁面。那么，我們又是如何判斷頁面是通過發(fā)送Ajax請求來動態(tài)加載的，又如何確定其請求的地址呢？

其實(shí)，判斷一個(gè)頁面是否為Ajax請求加載，我們可以借助Chrome瀏覽器的工具欄。以不凡商業(yè)網(wǎng)站為例，我們先調(diào)出Chrome瀏覽器的Network工具欄，選擇XHR進(jìn)行過濾(其實(shí)這一個(gè)就是代表請求的類型，也就是Ajax的請求類型)，再刷新頁面便可看到當(dāng)前所有的Ajax請求了。

接著我們下拉到網(wǎng)頁底部并試著點(diǎn)擊查看更多，就會發(fā)現(xiàn)請求列表中多了一個(gè)請求，如圖所示，我們再試著點(diǎn)擊多次，又會有更多新的請求，因此我們也就可以確定這是通過Ajax來加載的。

由此，我們便可以通過分析每一個(gè)請求的請求頭具體內(nèi)容來獲取數(shù)據(jù)源。如上圖中的Request URL里的內(nèi)容就是剛剛加載的數(shù)據(jù)的來源地址，我們打開一個(gè)新頁面試著訪問一下，發(fā)現(xiàn)了如下的內(nèi)容：

粗略一看，我們想這應(yīng)該是一個(gè)JSON數(shù)據(jù)格式，那就再試著把它放到解析站中看一看，結(jié)果不出我們所料，也證明了請求頭里的請求URL正是網(wǎng)頁的Ajax數(shù)據(jù)來源。

Ajax數(shù)據(jù)獲取

在之前分析的基礎(chǔ)上，實(shí)際我們就已經(jīng)得到一種獲取Ajax數(shù)據(jù)的方法：分析Ajax請求的URL構(gòu)成法，然后對其進(jìn)行頁面解析再數(shù)據(jù)提取。這一種方法可以很直接地獲取到源數(shù)據(jù)，性能較高，但分析的成本一般來說也都很大。因?yàn)椴⒉皇撬械腢RL構(gòu)成法都是很容易得出來的，它可能混淆了很多加密機(jī)制，且通常需要有Js的功底輔助分析。

由此，我們提出了另一種策略：使用selenium模擬瀏覽器行為來獲取動態(tài)解析獲取數(shù)據(jù)。這里的selenium是什么呢？其實(shí)它相當(dāng)于的機(jī)器人，它可以模擬出人為操作瀏覽器的行為，比如點(diǎn)擊、輸入，拖動等。其實(shí)最初這主要是用于網(wǎng)頁測試，但發(fā)現(xiàn)其很符合爬蟲的特性，也因此廣泛用于爬蟲領(lǐng)域。在服務(wù)器看來，它就是人在訪問頁面，而很難捕捉到是爬蟲，因此安全性很高；但另一方面，使用它來獲取Ajax數(shù)據(jù)成本很大，較為繁瑣，性能不及分析URL。

上述就是常用的獲取Ajax數(shù)據(jù)的兩種方法，具體使用哪一種方法，我們可以先測試看一下所需要獲取的Ajax數(shù)據(jù)來源URL構(gòu)成法分析是否方便，如果較為規(guī)則便可以直接采用requests獲取；反之，若較為復(fù)雜則可以考慮使用selenium策略(更多的介紹在后續(xù)筆記中將會給予說明)。

---

轉(zhuǎn)載于:https://www.cnblogs.com/Unikfox/p/9719545.html

總結(jié)

以上是生活随笔為你收集整理的【Python爬虫学习笔记12】Ajax数据爬取简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。