python3 怎样爬取动态加载的网页信息

方法1

寻找页面中的xhr请求, 并得到实际的请求参数 直接获取相关搜索的请求返回代码, 然后进行数据整理

方法2

模拟浏览器 *** 作, 比如使用Selenium 模块

通过一个js文件，比如在页面底部插入：

<script language="javascript" type="text/javascript" src="countasp"></script>

要分析网站中的动态数据，首先你要写一个爬虫程序先拿到数据，然后结合python中的numpy库,pandas库对下载到的数据进行分析，如果要生成可视化图可以使用matplotlib或pyecharts来搞定，希望能帮到你，我的专栏中有爬虫与数据分析的专栏可以参考下。

正常情况下,你无法看到网页的逻辑关系,除非有源代码

你看到的网站仅仅是前台显示。一般是通过类似jsp,或者php,asp脚本以及后期的net程序结合数据库产生的，但反应到了客户端后，客户端看到的就是标准的html语句。

这和当前的百度是一样的，你发表留言肯定是通过后台CGI程序发布到数据库了，但是你如果在网页查看源码，就会发现，你的留言成了固定文字，这是表现层。

我建议你去找一些你熟悉的语言的商城源码，比如你喜欢或熟悉jsp，那么你就可以用apache+tomcat+jsdk，然后通过IE浏览器来查阅。

不知道这么说，你能否清楚，如有疑惑，请补充

一个月前实习导师布置任务说通过网络爬虫获取深圳市气象局发布的降雨数据，网页如下：

心想，爬虫不太难的，当年跟zjb爬煎蛋网无（mei）聊（zi）图的时候，多么清高。由于接受任务后的一个月考试加作业一大堆，导师也不催，自己也不急。

但是，导师等我一个月都得让我来写意味着这东西得有多难吧。。。今天打开一看的确是这样。网站是基于Ajax写的，数据动态获取，所以无法通过下载源代码然后解析获得。

从某不良少年写的抓取淘宝mm的例子中收到启发，对于这样的情况，一般可以同构自己搭建浏览器实现。phantomJs，CasperJS都是不错的选择。

导师的要求是获取过去一年内深圳每个区每个站点每小时的降雨量，执行该 *** 作需要通过如上图中的历史查询实现，即通过一个时间来查询，而这个时间存放在一个hidden类型的input标签里，当然可以通过js语句将其改为text类型，然后执行send_keys之类的 *** 作。然而，我失败了。时间可以修改设置，可是结果如下图。

为此，仅抓取实时数据。选取python的selenium，模拟搭建浏览器，模拟人为的点击等 *** 作实现数据生成和获取。selenium的一大优点就是能获取网页渲染后的源代码，即执行 *** 作后的源代码。普通的通过 url解析网页的方式只能获取给定的数据，不能实现与用户之间的交互。selenium通过获取渲染后的网页源码，并通过丰富的查找工具，个人认为最好用的就是find_element_by_xpath("xxx")，通过该方式查找到元素后可执行点击、输入等事件，进而向服务器发出请求，获取所需的数据。

[python] view plain copy

# coding=utf-8

from testString import 

from selenium import webdriver

import string

import os

from seleniumwebdrivercommonkeys import Keys

import time

import sys

default_encoding = 'utf-8'

if sysgetdefaultencoding() != default_encoding:

reload(sys)

syssetdefaultencoding(default_encoding)

district_navs = ['nav2','nav1','nav3','nav4','nav5','nav6','nav7','nav8','nav9','nav10']

district_names = ['福田区','罗湖区','南山区','盐田区','宝安区','龙岗区','光明新区','坪山新区','龙华新区','大鹏新区']

flag = 1

while (flag > 0):

driver = webdriverChrome()

driverget("hianCe/")

# 选择降雨量

driverfind_element_by_xpath("//span[@id='fenqu_H24R']")click()

filename = timestrftime("%Y%m%d%H%M", timelocaltime(timetime())) + 'txt'

#创建文件

output_file = open(filename, 'w')

# 选择行政区

for i in range(len(district_navs)):

driverfind_element_by_xpath("//div[@id='" + district_navs[i] + "']")click()

# print driverpage_source

timeElem = driverfind_element_by_id("time_shikuang")

#输出时间和站点名

output_filewrite(timeElemtext + ',')

output_filewrite(district_names[i] + ',')

elems = driverfind_elements_by_xpath("//span[@onmouseover='javscript:changeTextOver(this)']")

#输出每个站点的数据，格式为：站点名，一小时降雨量，当日累积降雨量

for elem in elems:

output_filewrite(AMonitorRecord(elemget_attribute("title")) + ',')

output_filewrite('\n')

output_fileclose()

driverclose()

timesleep(3600)

文件中引用的文件testString只是修改输出格式，提取有效数据。

[python] view plain copy

#Encoding=utf-8

def OnlyCharNum(s, oth=''):

s2 = slower()

fomart = 'abcdefghijklmnopqrstuvwxyz0123456789,'

for c in s2:

if not c in fomart:

s = sreplace(c, '')

return s

def AMonitorRecord(str):

str = strsplit(":")

return str[0] + "," + OnlyCharNum(str[1])

一小时抓取一次数据，结果如下：

以上就是关于python3 怎样爬取动态加载的网页信息全部的内容，包括:python3 怎样爬取动态加载的网页信息、htm页面首页有个网站访问统计数字这个静态文件如何读取动态数据呢、Python如何分析网站上的动态数据等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！