数据加载方式与实例操作

数据加载方式与实例操作数据的加载方式常见的加载方式朝服务器发送请求,页面数据直接全部返回并加载。如何验证数据是直接加载还是其他方式浏览器空白处鼠标右键,点击查看网页源码,在源码界面搜索对应的数据。如果能收到就表示该数据是直接加载的,可以直接发送相应的请求获取。内部js代码请求先加载一个页面的框架,之后再朝各

大家好,欢迎来到IT知识分享网。

数据的加载方式

常见的加载方式

朝服务器发送请求,页面数据直接全部返回并加载。

 

如何验证数据是直接加载还是其他方式

浏览器空白处鼠标右键,点击查看网页源码,在源码界面搜索对应的数据。

如果能收到就表示该数据是直接加载的,可以直接发送相应的请求获取。

 

内部js代码请求

先加载一个页面的框架,之后再朝各项数据的网址发送请求获取数据。

 

如何查找关键性的数据来源

需要借助于浏览器的network监测核对内部请求

请求的数据一般都是json格式

 

实例

爬取天气数据

思路

1.拿到页面之后先分析数据加载方式

2.发现历史数据并不是直接加载的

统一的研究方向>>>:利用network查看

3.查找到可疑的网址并查看请求方式

如果是get请求那么可以直接拷贝网址在浏览器地址栏访问

4.将请求获得的数据稍作分析

https://www.bejson.com/

5.利用requests模块朝发现的地址发送get请求获取json数据

6.可以研究历史天气数据的url找规律 即可爬取指定月份的数据

数据加载方式与实例操作

 

 

 

import requests
import pandas
res = requests.get('https://tianqi.2345.com/Pc/GetHistory?areaInfo%5BareaId%5D=60010&areaInfo%5BareaType%5D=2&date%5Byear%5D=2021&date%5Bmonth%5D=9')
real_data = res.json().get('data')

df2 = pandas.read_html(real_data)[0]
print(df2)

  

数据加载方式与实例操作

 

百度翻译

思路

1.在查找单词的时候页面是在动态变化的

2.并且针对单词的详细翻译结果数据是动态请求获取的

3.打开network之后输入英文查看内部请求变化

sug请求频率固定且较高

4.研究sug请求发现每次输入的单词都会朝固定的一个网址发送post请求

并且请求体携带了改单词数据

数据加载方式与实例操作

 

 

 数据加载方式与实例操作

 

 

 

import requests

keyword = input('请输入你需要查询的单词>>>:')
res = requests.post('https://fanyi.baidu.com/sug',
                    data={'kw': keyword}
                    )
data_dict = res.json()
data_list = data_dict.get('data')
for d in data_list:
    print(d)

  

数据加载方式与实例操作

 

爬取药品许可证

思路

1.先明确是否需要爬取页面数据 如果需要则先查看数据的加载方式

2.通过network查看得知数据是动态加载的 网页地址只会加载一个外壳

3.通过network点击fetch/xhr筛选动态获取数据的地址和请求方式

4.利用requests模块发送相应请求获取数据 之后再分析

5.利用浏览器点击详情页查找关键数据

http://scxk.nmpa.gov.cn:81/xk/itownet/portal/dzpz.jsp?id=911d4f256300476abb78012427d38c9d

6.由于我们需要爬取详情页的数据所以要验证数据的加载方式

7.详情页核心数据也是动态加载的 发现是post请求并携带了一个id参数

id: 911d4f256300476abb78012427d38c9d

8.通过比对得知id数据与第一次爬取的公司简介里面的id一致 从而得出结论

循环获取格式简介id 然后发送post请求 获取每个公司的详细数据

数据加载方式与实例操作

 

 

 数据加载方式与实例操作

 

 

 

import requests

res = requests.post('http://scxk.nmpa.gov.cn:81/xk/itownet/portalAction.do?method=getXkzsList',
                    data={
                        "on": "true",
                        "page": 1,
                        "pageSize": 15,
                        "productName": '',
                        "conditionType": 1,
                        "applyname": '',
                        "applysn": ''
                    }
                    )
data_list = res.json().get('list')  # 循环获取格式id值
for d in data_list:
    # 字段取值 获取id值
    ID = d.get("ID")
    # 发送网络请求
    res1 = requests.post('http://scxk.nmpa.gov.cn:81/xk/itownet/portalAction.do?method=getXkzsById',
                         data={'id': ID}
                         )

    # 获取数据结果
    data_dict = res1.json().get('epsName')
    data_dict2 = res1.json().get('certStr')
    data_dict3 = res1.json().get('epsAddress')
    data_con = data_dict + '\n' + data_dict2 + '\n' + data_dict3 + '\n'
    with open(r'medicine.txt', 'a', encoding='utf8')as af:
        af.write(data_con + '\n')

  数据加载方式与实例操作

 

爬取北京新发地蔬菜价格表

思路:

1.确定需要访问网址:http://www.xinfadi.com.cn/priceDetail.html

2.右键选择‘查看网页源代码’,ctrl+f搜索,观察数据是否是直接放在网页中的

本次数据并未放在网页中

3.右键选择‘检查’,根据network,可以确认数据是动态加载的,选择Fetch/XHR,筛选出对应的文件

4.单击该文件,查看对应的是get还是post方法,以及对应的From Data数据

数据加载方式与实例操作

数据加载方式与实例操作

 

5.选择Response,将内容复制到:https://www.bejson.com/,点击Unicode转中文,查看数据存放的具体位置

本次数据存放在字典中,键名是“list”,数据格式是json格式

6.打开pycharm,新建文件夹及文件,导入requests模块

7.使用post-data方法,反序列化并使用get方法从字典中获取数据

8.循环取值,获得数据

9.根据自身的需要,用键名取得需要的值

10.将获取的数据写入文件

import requests
import time

def get_price_data(n):
    res = requests.post('http://www.xinfadi.com.cn/getPriceData.html',
                        data={
                            "limit": '',
                            "current": n,
                            "pubDateStartTime": '',
                            "pubDateEndTime": '',
                            "prodPcatid": '',
                            "prodCatid": '',
                            "prodName": '',
                        }
                        )
    data_list = res.json().get('list')
    for d in data_list:
        pro_name = d.get('prodName')
        low_price = d.get('lowPrice')
        high_price = d.get('highPrice')
        avg_price = d.get('avgPrice')
        pub_date = d.get('pubDate')
        source_place = d.get('place')
        print("""
        蔬菜名称:%s
        最低价:%s
        最高价:%s
        平均价:%s
        上市时间:%s
        原产地:%s
        """ % (pro_name, low_price, high_price, avg_price, pub_date, source_place))
        time.sleep(1)


"""涉及到多页数据爬取的时候 最好不要太频繁 可以自己主动设置延迟"""
for i in range(1, 5):
    time.sleep(1)
    get_price_data(i)

  

数据加载方式与实例操作

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/33525.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信