在學(xué)習(xí)python的時候，一定會遇到網(wǎng)站內(nèi)容是通過 ajax動態(tài)請求、異步刷新生成的json數(shù)據(jù) 的情況，并且通過python使用之前爬取靜態(tài)網(wǎng)頁內(nèi)容的方式是不可以實現(xiàn)的，所以這篇文章將要講述如果在python中爬取ajax動態(tài)生成的數(shù)據(jù)。

至于讀取靜態(tài)網(wǎng)頁內(nèi)容的方式，有興趣的可以查看本文內(nèi)容。

這里我們以爬取淘寶評論為例子講解一下如何去做到的。

這里主要分為了四步：

一獲取淘寶評論時，ajax請求鏈接（url）

二獲取該ajax請求返回的json數(shù)據(jù)

三使用python解析json數(shù)據(jù)

四保存解析的結(jié)果

步驟一：

獲取淘寶評論時，ajax請求鏈接（url）這里我使用的是Chrome瀏覽器來完成的。打開淘寶鏈接，在搜索框中搜索一個商品，比如“鞋子”，這里我們選擇第一項商品。

然后跳轉(zhuǎn)到了一個新的網(wǎng)頁中。在這里由于我們需要爬取用戶的評論，所以我們點擊累計評價。

然后我們就可以看到用戶對該商品的評價了，這時我們在網(wǎng)頁中右擊選擇審查元素（或者直接使用F12打開）并且選中Network選項，如圖所示：

我們在用戶評論中，翻到底部點擊下一頁或者第二頁，我們在Network中看到動態(tài)添加了幾項，我們選擇開頭為list_detail_rate.htm?itemId=35648967399的一項。

然后點擊該選項，我們可以在右邊選項框中看到有關(guān)該鏈接的信息，我們要復(fù)制Request URL中的鏈接內(nèi)容。

我們在瀏覽器的地址欄中輸入剛才我們獲得url鏈接，打開后我們會發(fā)現(xiàn)頁面返回的是我們所需要的數(shù)據(jù)，不過顯得很亂，因為這是json數(shù)據(jù)。

二獲取該ajax請求返回的json數(shù)據(jù)

下一步，我們就要獲取url中的json數(shù)據(jù)了。我所使用的python編輯器是pycharm，下面看一下python代碼：

# -*- coding: utf-8 -*-
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
import requests
url='https://rate.tmall.com/list_detail_rate.htm?itemId=35648967399&spuId=226460655&sellerId=1809124267ℴ=3&currentPage=1&append=0&content=1&tagId=&posi=&picture=&ua=011UW5TcyMNYQwiAiwQRHhBfEF8QXtHcklnMWc%3D%7CUm5OcktyT3ZCf0B9Qn9GeC4%3D%7CU2xMHDJ7G2AHYg8hAS8WKAYmCFQ1Uz9YJlxyJHI%3D%7CVGhXd1llXGVYYVVoV2pVaFFvWGVHe0Z%2FRHFMeUB4QHxCdkh8SXJcCg%3D%3D%7CVWldfS0RMQ47ASEdJwcpSDdNPm4LNBA7RiJLDXIJZBk3YTc%3D%7CVmhIGCUFOBgkGiMXNwswCzALKxcpEikJMwg9HSEfJB8%2FBToPWQ8%3D%7CV29PHzEfP29VbFZ2SnBKdiAAPR0zHT0BOQI8A1UD%7CWGFBET8RMQszDy8QLxUuDjIJNQA1YzU%3D%7CWWBAED4QMAU%2BASEYLBksDDAEOgA1YzU%3D%7CWmJCEjwSMmJXb1d3T3JMc1NmWGJAeFhmW2JCfEZmWGw6GicHKQcnGCUdIBpMGg%3D%3D%7CW2JfYkJ%2FX2BAfEV5WWdfZUV8XGBUdEBgVXVJciQ%3D&isg=82B6A3A1ED52A6996BCA2111C9DAAEE6&_ksTS=1440490222698_2142&callback=jsonp2143' #這里的url比較長
content=requests.get(url).content

print content #打印出來的內(nèi)容就是我們之前在網(wǎng)頁中獲取到的json數(shù)據(jù)。包括用戶的評論。

這里的content就是我們所需要的json數(shù)據(jù)，下一步就需要我們解析這些個json數(shù)據(jù)了。

三使用python解析json數(shù)據(jù)

# -*- coding: utf-8 -*-
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
import requests
import json
import re
url='https://rate.tmall.com/list_detail_rate.htm?itemId=35648967399&spuId=226460655&sellerId=1809124267ℴ=3&currentPage=1&append=0&content=1&tagId=&posi=&picture=&ua=011UW5TcyMNYQwiAiwQRHhBfEF8QXtHcklnMWc%3D%7CUm5OcktyT3ZCf0B9Qn9GeC4%3D%7CU2xMHDJ7G2AHYg8hAS8WKAYmCFQ1Uz9YJlxyJHI%3D%7CVGhXd1llXGVYYVVoV2pVaFFvWGVHe0Z%2FRHFMeUB4QHxCdkh8SXJcCg%3D%3D%7CVWldfS0RMQ47ASEdJwcpSDdNPm4LNBA7RiJLDXIJZBk3YTc%3D%7CVmhIGCUFOBgkGiMXNwswCzALKxcpEikJMwg9HSEfJB8%2FBToPWQ8%3D%7CV29PHzEfP29VbFZ2SnBKdiAAPR0zHT0BOQI8A1UD%7CWGFBET8RMQszDy8QLxUuDjIJNQA1YzU%3D%7CWWBAED4QMAU%2BASEYLBksDDAEOgA1YzU%3D%7CWmJCEjwSMmJXb1d3T3JMc1NmWGJAeFhmW2JCfEZmWGw6GicHKQcnGCUdIBpMGg%3D%3D%7CW2JfYkJ%2FX2BAfEV5WWdfZUV8XGBUdEBgVXVJciQ%3D&isg=82B6A3A1ED52A6996BCA2111C9DAAEE6&_ksTS=1440490222698_2142&callback=jsonp2143'
cont=requests.get(url).content
rex=re.compile(r'\w+[(]{1}(.*)[)]{1}')
content=rex.findall(cont)[0]
con=json.loads(content,"gbk")
count=len(con['rateDetail']['rateList'])
for i in xrange(count):
  print con['rateDetail']['rateList'][i]['appendComment']['content']

解析：

這里需要導(dǎo)入所要的包，re為正則表達(dá)式需要的包，解析json數(shù)據(jù)需要import json

cont=requests.get(url).content #獲取網(wǎng)頁中json數(shù)據(jù)

rex=re.compile(r'\w+[(]{1}(.*)[)]{1}') #正則表達(dá)式去除cont數(shù)據(jù)中多余的部分，是數(shù)據(jù)成為真正的json格式的數(shù)據(jù){“a”:”b”,”c”:”d”}

con=json.loads(content,”gbk”) 使用json的loads函數(shù) 將content內(nèi)容轉(zhuǎn)化為json庫函數(shù)可以處理的數(shù)據(jù)格式，”gbk”為數(shù)據(jù)的編碼方式，由于win系統(tǒng)默認(rèn)為gbk

count=len(con[‘rateDetail'][‘rateList']) #獲取用戶評論的個數(shù)（這里只是當(dāng)前頁的）

for i in xrange(count):

print con[‘rateDetail'][‘rateList'][i][‘a(chǎn)ppendComment']

#循環(huán)遍歷用戶的評論并輸出（也可以根據(jù)需求保存數(shù)據(jù)，可以查看第四部分）

這里的難點是在雜亂的json數(shù)據(jù)中查找用戶評論的路徑

四保存解析的結(jié)果

這里用戶可以將用戶的評論信息保存到本地，如保存為csv格式。

以上就是本文的全部所述，希望大家喜歡。

您可能感興趣的文章: