首页 > 其他 > 详细

爬取动态分页数据案例

时间:2019-03-29 21:58:00      阅读:177      评论:0      收藏:0      [点我收藏+]

需求:

爬取东方财富证券http://kuaixun.eastmoney.com/ssgs.html的财经新闻数据
1.爬取页面中的标题和对应的内容:【标题】内容
2.进行分页操作,爬取当前页面所有页码对应的标题和内容数据
3.不可以使用selenium
4.进行任意形式的持久化存储

代码:

通过对网站的分析发现翻页时,有ajax数据包分析数据包的url发现,翻页改变url中的参数,共20页

#url— http://kuaixun.eastmoney.com/ssgs.html
import requests
import json
import re
headers = {
   User-Agent:Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.12 Safari/537.36
}
# 通过对网站的分析发现翻页时,有ajax数据包分析数据包的url发现,翻页改变url中的参数,共20页
url = "http://newsapi.eastmoney.com/kuaixun/v1/getlist_103_ajaxResult_50_{}_.html"
for i in range(1,21):
    url2 = url.format(i)
    page_text = requests.get(url=url2, headers=headers).text
    page_str = re.findall(\{.*\},page_text)[0]
    page_dic = json.loads(page_str)
    page_list = page_dic["LivesList"]
    
    content_list = []
    for dic in page_list:
        content = dic["digest"]
        content_list.append(content)
    
    # 分页存储
    with open(f"./第{i}页新闻","w",encoding=utf-8) as fp:
        fp.write(\n.join(content_list))
    print(f"第{i}页新闻存储成功")

 

爬取动态分页数据案例

原文:https://www.cnblogs.com/zwq-/p/10624111.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!