準備工作
查看肯德基官網的請求方法：post請求。
X-Requested-With: XMLHttpRequest 判斷得肯德基官網是ajax請求
通過這兩個準備步驟，明確本次爬蟲目標：
ajax的post請求肯德基官網 獲取上海肯德基地點前10頁。
分析
獲取上海肯德基地點前10頁，那就需要先對每頁的url進行分析。
第一頁
# page1 # http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname # POST # cname: 上海 # pid: # pageIndex: 1 # pageSize: 10
第二頁
# page2 # http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname # POST # cname: 上海 # pid: # pageIndex: 2 # pageSize: 10
第三頁依次類推。
程序入口
首先回顧urllib爬取的基本操作：
# 使用urllib獲取百度首頁的源碼
import urllib.request
# 1.定義一個url，就是你要訪問的地址
url = 'http://www.baidu.com'
# 2.模擬瀏覽器向服務器發送請求 response響應
response = urllib.request.urlopen(url)
# 3.獲取響應中的頁面的源碼 content內容
# read方法 返回的是字節形式的二進制數據
# 將二進制數據轉換為字符串
# 二進制-->字符串 解碼 decode方法
content = response.read().decode('utf-8')
# 4.打印數據
print(content)
- 定義一個url，就是你要訪問的地址
- 模擬瀏覽器向服務器發送請求 response響應
- 獲取響應中的頁面的源碼 content內容
if __name__ == '__main__':
start_page = int(input('請輸入起始頁碼: '))
end_page = int(input('請輸入結束頁碼: '))
for page in range(start_page, end_page+1):
# 請求對象的定制
request = create_request(page)
# 獲取網頁源碼
content = get_content(request)
# 下載數據
down_load(page, content)
對應的，我們在主函數中也類似聲明方法。
url組成數據定位
爬蟲的關鍵在于找接口。對于這個案例，在預覽頁可以找到頁面對應的json數據，說明這是我們要的數據。
構造url
不難發現，肯德基官網的url的一個共同點，我們把它保存為base_url。
base_url = 'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname'
參數
老樣子，找規律，只有'pageIndex'和頁碼有關。
data = {
'cname': '上海',
'pid': '',
'pageIndex': page,
'pageSize': '10'
}
post請求
- post請求的參數 必須要進行編碼
data = urllib.parse.urlencode(data).encode('utf-8')
- 編碼之后必須調用encode方法
- 參數放在請求對象定制的方法中：post的請求的參數，是不會拼接在url后面的，而是放在請求對象定制的參數中
所以將data進行編碼
data = urllib.parse.urlencode(data).encode('utf-8')
標頭獲取（防止反爬的一種手段）
即 響應頭中UA部分。
User Agent，用戶代理，特殊字符串頭，使得服務器能夠識別客戶使用的操作系統及版本，CPU類型，瀏覽器及版本，瀏覽器內核，瀏覽器渲染引擎，瀏覽器語言，瀏覽器插件等。
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Edg/94.0.992.38'
}
請求對象定制
參數，base_url，請求頭都準備得當后，就可以進行請求對象定制了。
request = urllib.request.Request(base_url, headers=headers, data=data)
獲取網頁源碼
把request請求作為參數，模擬瀏覽器向服務器發送請求 獲得response響應。
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
獲取響應中的頁面的源碼，下載數據
使用 read()方法，得到字節形式的二進制數據，需要使用 decode進行解碼，轉換為字符串。
content = response.read().decode('utf-8')
然后我們將下載得到的數據寫進文件，使用 with open() as fp 的語法，系統自動關閉文件。
def down_load(page, content):
with open('kfc_' + str(page) + '.json', 'w', encoding='utf-8') as fp:
fp.write(content)
全部代碼
# ajax的post請求肯德基官網 獲取上海肯德基地點前10頁
# page1
# http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname
# POST
# cname: 上海
# pid:
# pageIndex: 1
# pageSize: 10
# page2
# http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname
# POST
# cname: 上海
# pid:
# pageIndex: 2
# pageSize: 10
import urllib.request, urllib.parse
def create_request(page):
base_url = 'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname'
data = {
'cname': '上海',
'pid': '',
'pageIndex': page,
'pageSize': '10'
}
data = urllib.parse.urlencode(data).encode('utf-8')
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.71 Safari/537.36 Edg/94.0.992.38'
}
request = urllib.request.Request(base_url, headers=headers, data=data)
return request
def get_content(request):
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')
return content
def down_load(page, content):
with open('kfc_' + str(page) + '.json', 'w', encoding='utf-8') as fp:
fp.write(content)
if __name__ == '__main__':
start_page = int(input('請輸入起始頁碼: '))
end_page = int(input('請輸入結束頁碼: '))
for page in range(start_page, end_page+1):
# 請求對象的定制
request = create_request(page)
# 獲取網頁源碼
content = get_content(request)
# 下載數據
down_load(page, content)
爬取后結果
鞠躬！！！其實還爬過Lisa的照片，想看爬蟲代碼的歡迎留言 ！！！
到此這篇關于Python實戰練習之終于對肯德基下手的文章就介紹到這了,更多相關Python 肯德基官網內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/Joy_Cheung666/article/details/120710070
