有时候我们在用requests抓取页面的时候&＃xff0c;得到的结果可能和在浏览器中看到的不一样&＃xff1a;在浏览器中可以看到正常显示的页面数据&＃xff0c;但是使用requests得到的结果并没有。这是因为requests获取的都是原始的HTML文档&＃xff0c;而浏览器中的页面则是经过Javascript处理数据后生成的结果&＃xff0c;这些数据的来源有多种&＃xff0c;可能是通过Ajax加载的&＃xff0c;可能是包含在HTML文档中的&＃xff0c;也可能是经过Javascript和特定算法计算后生成的。
对于第一种情况&＃xff0c;数据加载是一种异步加载方式&＃xff0c;原始的页面最初不会包含某些数据&＃xff0c;原始页面加载完后&＃xff0c;会再向服务器请求某个接口获取数据&＃xff0c;然后数据才被处理从而呈现到网页上&＃xff0c;这其实就是发送了一个Ajax请求。
照Web发展的趋势来看&＃xff0c;这种形式的页面越来越多。网页的原始HTML文档不会包含任何数据&＃xff0c;数据都是通过Ajax统一加载后再呈现出来的&＃xff0c;这样在Web开发上可以做到前后端分离&＃xff0c;而且降低服务器直接渲染页面带来的压力。
所以如果遇到这样的页面&＃xff0c;直接利用requests等库来抓取原始页面&＃xff0c;是无法获取到有效数据的&＃xff0c;这时需要分析网页后台向接口发送的Ajax请求&＃xff0c;如果可以用requests来模拟Ajax请求&＃xff0c;那么就可以成功抓取了。
所以&＃xff0c;本章我们的主要目的是了解什么是Ajax以及如何去分析和抓取Ajax请求。
转载请注明&＃xff1a;静觅 » [Python3网络爬虫开发实战] 6-Ajax数据爬取
京公网安备 11010802041100号