您的位置:首页技术文章
文章详情页

python - 怎样爬取被 下一页覆盖/JS渲染 的网页内容?

【字号: 日期:2022-07-12 11:35:43浏览:41作者:猪猪

问题描述

我想提取网页:http://www.igxe.cn/h1z1/43385... 上该物品的当前售价和对应商品的ITEM_ID

我使用的是PYTHON2.7配合requests进行操作的,代码如下:

import requestsimport sysheaders = {’User-Agent’: ’Mozilla/5.0 (Linux; U; Android 4.0.3; zh-cn; M032 Build/IML74K) AppleWebKit/533.1 (KHTML, like Gecko)Version/4.0 MQQBrowser/4.1 Mobile Safari/533.1’}r = requests.get(’http://www.igxe.cn/h1z1/433850/product-567592’, headers = headers,stream=True)print r.request.headers[’User-Agent’]print r.textreload(sys)sys.setdefaultencoding(’utf-8’)f = open(’/workspace/test.txt’, ’w’)f.write (r.text)f.close

得到的该代码文件包含了网页上绝大部分信息,唯独就是没有我需要的售价信息以及物品ID,但是该段信息却可以通过浏览器的审查元素获得,代码片段如下:python - 怎样爬取被 下一页覆盖/JS渲染 的网页内容?

这段代码片段通过审查元素可以轻松获得,但是源代码上却没有,所以十分困惑该如何获取。在源代码中找到了如下片段,不知道是不是AJAX有关的信息获取的方式:

<script src='https://www.haobala.com/static/csgo/js/page.js'></script>

<script>

var price_sort = 1;var lock_sort = 1;var status_locked = 0;

var get_params = function (_page_no, _page_size, _status_locked, _price_sort, _lock_sort) { var data = {}; data[’page_no’] = _page_no; data[’page_size’] = _page_size; data[’status_locked’] = _status_locked; data[’price_sort’] = _price_sort; data[’lock_sort’] = _lock_sort; return data;};var load_data = function (params) { if (!AjaxLogin.is_login_box(params.page_no > 1)) {return false; } $.ajax({’type’: 'GET',’url’: '/h1z1/433850/get_list_tmp/568258/' + params.status_locked + '/' + params.page_no + '/' + params.price_sort + '/' + params.lock_sort +'?steamid=',’data’: {},’dataType’: 'json',beforeSend: function () {},success: function (data) { var $t_body = $(’#js-tbody-data’); var $page = $(’#js-page-html’); if (data.succ) {$t_body.html(data.data_html);$page.html(data.page_html); } else {alert(data.message); } Core.ui.loader.hide();},error: function (XmlHttpRequest, textStatus, errorThrown) { Core.ui.loader.hide();} });};var load = function () { var param = get_params(1, 20, status_locked, price_sort, lock_sort); load_data(param);};var change_sort_style = function ($dom, _sort) { if (_sort == 1) {$dom.addClass(’sort__up’);$dom.removeClass(’sort__down’); } else if (_sort == 2) {$dom.addClass(’sort__down’);$dom.removeClass(’sort__up’); } else {$dom.removeClass(’sort__up’);$dom.removeClass(’sort__down’); }};var page_callback = function (page_no) { var param = get_params(page_no, 20, status_locked, price_sort, lock_sort); load_data(param);};

$(function () { var pid = '568258';Core.ui.tab($(’#js-dota-tabs .js-item’), $(’#js-dota-panel .js-item’), ’click’); load(); var tradeBtn = $(’#js-btn-tradeBuy’); var weaponKey = $(’#js-pop-weaponKey’); var $sort_lock = $(’#js-sort-lock’); var $sort_price = $(’#js-sort-price’); var $page = $(’#js-page-html’); $page.on(’click’, ’.js-page’, function () {var page_no = $(this).attr(’page_no’);page_callback(page_no); }); $page.on(’click’, ’.js-page-jump’, function () {var page_no = $(this).prev().val();page_callback(page_no); }); $page.on(’keyup’, ’.js-page-jump-no’, function (e) {$(this).val($(this).val().replace(/[^0-9.]/g, ’’));if (!$(this).val()) { $(this).val(1);} }); $page.on(’keydown’, ’.js-page-jump-no’, function (e) {var curKey = e.which;if (curKey == 13) { page_no = $(’.js-page-jump-no’).val(); page_callback(page_no);} }); $sort_lock.on(’click’, function(){if(lock_sort==1){ lock_sort = 2;} else { lock_sort = 1;}load();change_sort_style($(this), lock_sort);price_sort = 0;change_sort_style($sort_price, price_sort); }); $sort_price.on(’click’, function () {if (price_sort == 1) { price_sort = 2;} else { price_sort = 1;}load();change_sort_style($(this), price_sort);lock_sort = 0;change_sort_style($sort_lock, lock_sort); }); $(’#js-find-locked’).on(’click’, function () {if ($(this).prop(’checked’)) { status_locked = 1;} else { status_locked = 0;}lock_sort = 1;price_sort = 1;change_sort_style($sort_lock, 0);change_sort_style($sort_price, 0);load(); }); $(’#js-buy-count’).on(’keyup’, function () {$(this).val($(this).val().replace(/[^0-9]/g, ’’));var value = $(this).val();if (value > 100) { $(this).val(100);} }); $(’#js-money-start’).on(’keyup’, function () {$(this).val($(this).val().replace(/[^0-9.]/g, ’’));var value = $(this).val();if (value > 99999) { $(this).val(99999);} }); $(’#js-money-end’).on(’keyup’, function () {$(this).val($(this).val().replace(/[^0-9.]/g, ’’));var value = $(this).val();if (value > 99999) { $(this).val(99999);} });

从审查元素上看,我怀疑是 出售列表同一位置的出售历史 覆盖了当前的信息。从源代码看,我感觉是有一个AJAX还是JS渲染的过程。作为一个小白,实在不知道该如何解决该问题,还劳请大神们赐教。

问题解答

回答1:

# coding: utf-8import requestsheaders = {’X-Requested-With’:’XMLHttpRequest’}url = ’http://www.igxe.cn/h1z1/433850/get_list_tmp/567592/0/1/1/1?steamid=’r = requests.get(url, headers=headers)print r.text

python - 怎样爬取被 下一页覆盖/JS渲染 的网页内容?

python - 怎样爬取被 下一页覆盖/JS渲染 的网页内容?

标签: Python 编程
相关文章: