分享一次实用的爬虫经验-轻识

下次点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

言入黄花川，每逐清溪水。

大家好，我是Python进阶者。

前言

前几天铂金群有个叫【艾米】的粉丝在问了一道关于Python网络爬虫的问题，如下图所示。

不得不说这个粉丝的提问很详细，也十分的用心，给他点赞，如果大家日后提问都可以这样的话，想必可以节约很多沟通时间成本。

其实他抓取的网站是爱企查，类似企查查那种。

一、思路

一开始我以为很简单，我照着他给的网站，然后一顿抓包操作，到头来竟然没有找到响应数据，不论是在ALL还是XHR里边都没有找到任何符合要求的数据，真是纳闷。讲到这里，【杯酒】大佬一开始也放大招，吓得我不敢说话。

其实是想复杂了，一会儿你就知道了。

怀着一颗学习的心，我看了杯酒的代码，发现他构造的URL中有下图这个：

然后我再去网页中去找这个URL，可是这个URL在原网页中根本就找不到？？？这就离谱了，总不能空穴来风吧，事出必有因！

二、分析

原来这里有个小技巧，有图有真相。

之后根据抓包情况，就可以看到数据了。

在里边可以看到数据：

这里【杯酒】大佬查询的关键词是：数据，所以得到了好几页数据，而我和【艾米】都是直接查的：上海手术器械厂，这个只有一页，不太好观察规律，所以一直卡住了。

之后将得到的代码中的URL的关键词，改为：上海手术器械厂，就可以顺利的得到数据，是不是很神奇呢？

三、代码

下面就奉上本次爬虫的代码，欢迎大家积极尝试。

# -*- coding: utf-8 -*-import requestsimport user_agentfrom urllib import parse

def search(key_word):    for page_num in range(1, 2):        url = f'https://aiqicha.baidu.com/s/advanceFilterAjax?q={parse.quote(key_word)}&t=&p={str(page_num)}&s=10&o=0&f=%7B%7D'        headers = {            'User-Agent': user_agent.generate_user_agent(),            'Referer': 'https://aiqicha.baidu.com/s?q=%E6%95%B0%E6%8D%AE&t=0',        }        print(url)        response = requests.get(url=url, headers=headers)        print(requests)        print(response.json())        # break

if __name__ == '__main__':    search('上海手术器械厂')