电子网站建设,如何建立公司网站?,阜康市建设银行网站,页面设计理念怎么写动态数据采集
规则 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#xff0c;在浏览器中可以看到正常显示的页面教据#xff0c;但是使用 requests 得到的结果并没有#xff0c;这是因为requests 获取的都是原始的 HTML 文档…动态数据采集
规则 有时候我们在用 requests 抓取页面的时候得到的结果可能和在浏览器中看到的不一样在浏览器中可以看到正常显示的页面教据但是使用 requests 得到的结果并没有这是因为requests 获取的都是原始的 HTML 文档而浏览器中的页面则是经过 JavaScript 处理数据后生成的结果这些数据的来源有多种可能是通过 Ajax 加载的可能是包含在 HTML 文档中的也可能是经过 avaScript 和特定算法计算后生成的。 对于第一种情况数据加载是一种异步加载方式原始的页面最初不会包含某些数据原始页面加载完后会再向服务器请求某个接口获取数据然后数据才被处理从而呈现到网页上这其实就是发送了一个 Ajax 请求。 照 Web 发展的趋势来看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数据都是过 Ajax 统一加载后再呈现出来的这样在 We 开发上可以做到前后端分离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直接利用 requests 等库来抓取原始页面是无法获取到有效数据的这时需要分析网页后台向接口发送的Ajax 请求如果可以用 requests 来模拟 Aiax 请求那么就可以成功抓取了所以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。
什么是Ajax Ajax全称为 Asynchronous JavaScript and XML即异步的avaScript 和 XML它不是-门编程语言而是利用JavaScript在保证页面不被刷新、页面链接不改变的情况下与服务器交换数据并更新部分网页的技术。 对于传统的网页如果想更新其内容那么必须要刷新整个页面但有了 Ajax便可以在页面不被全部刷新的情况下更新其内容。在这个过程中页面实际上是在后台与服务器进行了数据交互获取到数据之后再利用JavaScript 改变网页这样网页内容就会更新了。
手写Ajax接口
环境搭建
pip install flask
一个简单请求过程 通俗地说路由Routing就像是一种地图告诉服务器当用户访问一个特定的 URL 地址时该如何响应。在 Web 开发中路由是将浏览器中的 URL 映射到后端应用程序中的一种功能或代码块的机制。
API 是“应用编程接口”Application Programming Interface的缩写。它是一套预定义的规则和协议用于构建和集成软件应用程序。简单来说API 是一种使得不同软件组件之间可以相互沟通的方式。
Web API通常指的是通过HTTP协议为Web服务器和客户端或者两个在线服务之间提供数据交换的接口。例如天气服务的API可以允许开发者获取天气预报数据。
在Web开发中视图通常指的是用户请求特定URL时服务器返回的页面。例如在一个Web应用中服务器可能会根据用户请求的不同路径比如/home或/products来提供不同的HTML内容。在Web框架中视图还可以是模板模板中的数据会由服务器动态填充然后渲染成最终的HTML发送给客户端。
在Web开发领域模板特指的是用于动态生成HTML页面的预设文件。这些模板文件包含了静态的HTML标记以及用于插入动态内容的特殊模板标签或占位符。当服务器接收到一个请求时它会结合模板和相关的数据来生成最终的HTML页面然后发送给客户端。
例如在Python的Flask框架中模板可能会使用Jinja2模板引擎编写
!DOCTYPE html
html
headtitle{{ title }}/title
/head
bodyh1Hello, {{ name }}!/h1
/body
/html在上面的例子中{{ title }} 和 {{ name }} 是模板变量它们在渲染过程中会被实际的值所替换。 编写网络爬虫爬取蛋卷基金信息并存储
import requests
import pymysql# 创建数据库连接
db pymysql.connect(hostlocalhost, userroot, password123456, port3306)
cursor db.cursor()
cursor.execute(use spiders)
def get_data():url https://danjuanfunds.com/djapi/fund/growth/011102?day1mheaders {User-Agent:111222333444}resp requests.get(url, headersheaders).json()data resp.get(data)[fund_nav_growth]for item in data:date item.get(date) # 如果没有就返回 Nonevalue item.get(value)than_value item.get(than_value)print(日期, date, \n, 本产品, value, 沪深, than_value)# 保存数据到数据库save_data(date, value, than_value)def save_data(date, value, than_value):sql INSERT INTO funds(date, value, than_value) VALUES(%s, %s, %s)cursor.execute(sql, (date, value, than_value))db.commit() # 提交事务# 获取并保存数据
get_data()# 关闭光标和数据库连接
cursor.close()
db.close()
编写网络爬虫爬取虎牙信息并存储
import requests,pymysqldef conn_mysql():db pymysql.connect(hostlocalhost,userroot,password123456,databasespiders)cursor db.cursor()return cursor,db
def get_date(url):resp requests.get(url).json()dates []try:date resp.get(vList)for item in date:indurce item.get(sIntroduction)author item.get(sNick)home_numb item.get(sGameHostName)# print(主播名,author,简介,indurce,房间号,home_numb)dates.append([author,indurce,home_numb])save_date(dates)except Exception as e:print(e)
def save_date(data):cursor, db conn_mysql()cursor.execute(use spiders)sql insert into huya(author,indurce,home_numb) values(%s,%s,%s)for d in data:print(d)try:cursor.execute(sql,(d[0],d[1],d[2]))db.commit()except Exception as e:print(e)db.rollback()
urls []
for i in range(1,127):url https://live.huya.com/liveHttpUI/getLiveList?iGid0iPageNo{}iPageSize120.format(i)if url not in urls:urls.append(url)
for url in urls:print(i)get_date(url)
