Python爬虫-AJAX数据爬取实战（七）

一、案例分析

这里还需要借助浏览器的开发者工具来查看ajax请求，

下面以 Chrome 浏览器为例来介绍。

首先，用 Chrome 浏览器打开微博的链接 https://m.weibo.cn/u/2830678474，随后在页面中点击鼠标右键，从弹出的快捷菜单中选择，随后在页面中点击鼠标右键，从弹出的快捷菜单中选择) “检查” 选项，此时便会弹出开发者工具，如图所示：

 在右侧可以观察到其 Request Headers、URL 和 Response Headers 等信息。其中 Request Headers 中有一个信息为 X-Requested-With:XMLHttpRequest，这就标记了此请求是 Ajax 请求，如图所示：

二、AJAX数据爬取实战

先了解下什么是since_id:python-新浪爬取话题微博实践，简单说：在当前页面，Preview下的cardlistInfo下的since_id保存的就是下一个页面的Request URL里的since_id，注意，第一个页面里的Request URL没有since_id

如图所示：

分析思路：

我们可以在get_page(since_id=None)中传入since_id参数，因为第一个页面没有since_id，因此我们将since_id默认为None。
这个函数将会返回一个元组，其中包括了下一个页面的since_id和当前页面的json格式页面内容。利用返回的元组索引,我们就可以获得即将访问的下一个页面的since_id。

代码示例：

import time
from urllib.parse import urlencode
import requests
base_url='https://m.weibo.cn/api/container/getIndex?'
from pyquery import PyQuery as pq
headers={
    'Referer':'https://m.weibo.cn/u/2830678474',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.82 Safari/537.36',
    'X-Requested-With':'XMLHttpRequest',
    'X-XSRF-TOKEN':'0ea919'
}
def get_page(since_id=None):
    """获取微博列表下拉数据"""
    params={
        'type':'uid',
        'value':'2830678474',
        'containerid':'1076032830678474',
        'since_id':since_id
    }
    url=base_url+urlencode(params)
    try:
        respone=requests.get(url,headers=headers)
        if respone.status_code==200:
            res=respone.json()
            items=res.get('data').get('cardlistInfo')
            #返回下一个分页since_id
            next_since_id=items['since_id']
            return (res,next_since_id)
    except requests.ConnectionError as e:
        print('Error',e.args)

def parse_page(json):
    if json:
        items=json.get('data').get('cards')
        for item in items:
            item=item.get('mblog')
            weibo={}
            weibo['id']=item.get('id')
            weibo['source']=item.get('source')
            weibo['favorited']=item.get('favorited')
            weibo['text']=pq(item.get('text')).text()
            weibo['screen_name']=item.get('user')['screen_name']
            weibo['profile_url']=item.get('user')['profile_url']
            # print(weibo)
            yield weibo
#连接数据库
import pymysql
db = pymysql.connect(host='xxx.xxx.xxx.xxx',user='root', password='root', port=3308,database='spiders')


def drop_table(table):
    '''删除表数据'''
    cursor = db.cursor()
    db.ping(reconnect=True)
    sql="drop table if exists %s" % table
    cursor.execute(sql)
    print('删除数据表成功')
    db.close()

def create_table(table):
    #创建数据库表
    cursor = db.cursor()
    db.ping(reconnect=True)
    sql ="CREATE TABLE IF NOT EXISTS %s (id VARCHAR(255) NOT NULL, source VARCHAR(255) NOT NULL, favorited VARCHAR(255) NOT NULL,text VARCHAR(255) NOT NULL, screen_name VARCHAR(255) NOT NULL,profile_url VARCHAR(255) NOT NULL,PRIMARY KEY (id))" % table
    cursor.execute(sql)
    print('创建数据表成功')
    db.close()

def insert_table1(id=None,text=None,source=None,favorited=None,screen_name=None,profile_url=None):
    '''动态插入数据'''
    data = {
        'id': id,
        'text': text,
        'source': source,
        'favorited': favorited,
        'screen_name': screen_name,
        'profile_url': profile_url,
    }
    table = 'ajax_result01'
    keys = ', '.join(data.keys())
    values = ', '.join(['%s'] * len(data))
    cursor = db.cursor()
    db.ping(reconnect=True)
    sql = 'INSERT INTO {table}({keys}) VALUES ({values})'.format(table=table, keys=keys, values=values)
    # print(keys)
    # print(values)
    try:
        if cursor.execute(sql,tuple(data.values())):
            print('success')
            db.commit()
    except:
        print('faild-插入表数据失败')
        db.rollback()
    db.close()



def main():
    drop_table('ajax_result01')
    create_table('ajax_result01')
    time.sleep(2)
    for i in range(2):
        if i==0:
            "i==0第一页since_id不需要传参"
            print("第{}页".format(i+1))
            tuple_since_id = get_page()
            # print(tuple_since_id)
            results = parse_page(tuple_since_id[0])
            for result in results:
                id=result['id']
                text=result['text']
                source=result['source']
                favorited=result['favorited']
                screen_name=result['screen_name']
                profile_url=result['profile_url']
                print(result['id'])
                print(result['text'])
                print(result['source'])
                print(result['favorited'])
                print(result['screen_name'])
                print(result['profile_url'])
                time.sleep(1)
                #将爬取到的数据插入到mysql数据表
                insert_table1(id, text, source, favorited, screen_name, profile_url)
        else:
            print("第{}页".format(i+1))
            tuple_since_id = get_page()
            #调用tuple_since_id两次，第1次拿到next_since_id的值,第2次同上取到res值
            tuple_since_id = get_page(tuple_since_id[1])
            results = parse_page(tuple_since_id[0])
            for result in results:
                id = result['id']
                text = result['text']
                source = result['source']
                favorited = result['favorited']
                screen_name = result['screen_name']
                profile_url = result['profile_url']

                print(result['id'])
                print(result['text'])
                print(result['source'])
                print(result['favorited'])
                print(result['screen_name'])
                print(result['profile_url'])
                time.sleep(1)
                # 将爬取到的数据插入到mysql数据表
                insert_table1(id, text, source, favorited, screen_name, profile_url)
if __name__ == '__main__':
    main()

 运行结果：