腳本之家服務(wù)器常用軟件

快捷導航

Python實戰(zhàn)練習之終于對肯德基下手

更新時間：2021年10月12日 09:16:03 作者：Bitdancing

讀萬卷書不如行萬里路，學的扎不扎實要通過實戰(zhàn)才能看出來，本篇文章手把手帶你爬下肯德基的官網(wǎng),大家可以在過程中查缺補漏，看看自己掌握程度怎么樣

請?zhí)砑訄D片描述

準備工作

查看肯德基官網(wǎng)的請求方法：post請求。

在這里插入圖片描述

X-Requested-With: XMLHttpRequest 判斷得肯德基官網(wǎng)是ajax請求

在這里插入圖片描述

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(wǎng) 獲取上?？系禄攸c前10頁。

分析

獲取上?？系禄攸c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(wù)器發(fā)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(nèi)容
# read方法 返回的是字節(jié)形式的二進制數(shù)據(jù)
# 將二進制數(shù)據(jù)轉(zhuǎn)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(shù)據(jù)
print(content)

定義一個url，就是你要訪問的地址
模擬瀏覽器向服務(wù)器發(fā)送請求 response響應
獲取響應中的頁面的源碼 content內(nèi)容

if __name__ == '__main__':
    start_page = int(input('請輸入起始頁碼: '))
    end_page = int(input('請輸入結(jié)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(wǎng)頁源碼
        content = get_content(request)
        # 下載數(shù)據(jù)
        down_load(page, content)

對應的，我們在主函數(shù)中也類似聲明方法。

url組成數(shù)據(jù)定位

請?zhí)砑訄D片描述

爬蟲的關(guān)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(shù)據(jù)，說明這是我們要的數(shù)據(jù)。

請?zhí)砑訄D片描述

構(gòu)造url

不難發(fā)現(xiàn)，肯德基官網(wǎng)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(shù)

老樣子，找規(guī)律，只有'pageIndex'和頁碼有關(guān)。

    data = {
        'cname': '上海',
        'pid': '',
        'pageIndex': page,
        'pageSize': '10'
    }

post請求

post請求的參數(shù) 必須要進行編碼

data = urllib.parse.urlencode(data).encode('utf-8')

編碼之后必須調(diào)用encode方法
參數(shù)放在請求對象定制的方法中：post的請求的參數(shù)，是不會拼接在url后面的，而是放在請求對象定制的參數(shù)中

所以將data進行編碼

data = urllib.parse.urlencode(data).encode('utf-8')

標頭獲?。ǚ乐狗磁赖囊环N手段）

請?zhí)砑訄D片描述

即響應頭中UA部分。

User Agent，用戶代理，特殊字符串頭，使得服務(wù)器能夠識別客戶使用的操作系統(tǒng)及版本，CPU類型，瀏覽器及版本，瀏覽器內(nèi)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(shù)，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(wǎng)頁源碼

把request請求作為參數(shù)，模擬瀏覽器向服務(wù)器發(fā)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(shù)據(jù)

使用 read()方法，得到字節(jié)形式的二進制數(shù)據(jù)，需要使用 decode進行解碼，轉(zhuǎn)換為字符串。

content = response.read().decode('utf-8')

然后我們將下載得到的數(shù)據(jù)寫進文件，使用 with open() as fp 的語法，系統(tǒng)自動關(guān)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(wǎng) 獲取上?？系禄攸c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(jié)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(wǎng)頁源碼
        content = get_content(request)
        # 下載數(shù)據(jù)
        down_load(page, content)

爬取后結(jié)果

在這里插入圖片描述