Python爬取動態網頁實例講解

筆者在做爬蟲作業時，遇到了一個動態網頁，分析代碼網頁源代碼時因此就少了許多需要的元素。下面用一個實例來記錄一下爬取動態網頁的步驟。

實例：股票定向爬蟲

這個實例目標是從東方財富網獲取股票列表，然後根據股票列表逐個到百度股票獲取個股信息，最後將結果存儲到文件。基本也看的出來代碼就是上面三個步驟。

踩雷

一開始沒發現這是個動態網頁，因爲我在需要的信息上面直接右鍵檢查，發現信息挺全的，但是代碼會變一下，當時也沒發現什麼不對（還是太菜了沒這實戰經驗），第一次操作如圖：

你可以看到，需要信息的網頁代碼還是存在的，但是當你展開td標籤時，網頁會自動恢復，該標籤內部信息會自動收回，所以想到這是一個動態網頁，所有信息都是動態加載出來的，而非靜態呈現。右鍵查看源代碼，可以發現源代碼中並沒有這些信息，說明確實是動態網頁：

想想辦法

既然是動態加載的，那麼數據文件還是存在的。因此審查查看資源文件裏有沒有想要的數據文件，結果一個一個點開後發現了目標：

接着就直接點擊一個進去，複製url（右鍵 copy link address）看看是個什麼東西：

結果發現首頁所有的股票信息都在這個文件裏面，那麼很好，這個url就是我們爬取的對象url了。

代碼

• 解析網頁，返回源代碼

def getHTMLText(url, code='utf-8'):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = code
        return r.text
    except:
        return ""

• 解析數據文件，使用re庫提取出股票信息

# 東方財富網，通過a標籤內找到股票標號，將所有的股票標號返回到lst中
def getStockList(lst, stockURL):
    #2 sz 1 sh
    html = getHTMLText(stockURL, "GB2312")
    # soup = BeautifulSoup(html, 'html.parser')
    content = re.findall(r"data:\[(.*?)\],recordsFiltered", html)[0]
    #25
    lists = content.split(",")
    l=1
    while l < len(lists):
        if lists[l-1]=="\"2":
            lst.append("sz"+ lists[l])
        else:
            lst.append("sh" + lists[l])
        l+=26

• 根據股票信息，從百度股票獲取個股信息，並存放到文件中：

def getStockInfo(lst, stockURL, fpath):
    count = 0   #進度
    for stock in lst:
        url = stockURL + stock + ".html"  # https://gupiao.baidu.com/stock/sh000001.html
        html = getHTMLText(url)
        try:
            if html == "":
                continue
            infoDict = {}
            soup = BeautifulSoup(html, 'html.parser')
            stockInfo = soup.find('div', attrs={'class': 'stock-bets'})
            name = stockInfo.find_all(attrs={'class': 'bets-name'})[0]
            infoDict.update({'股票名稱': name.text.split()[0]})
            keyList = stockInfo.find_all('dt')  # 鍵
            valueList = stockInfo.find_all('dd')  # 值

            for i in range(len(keyList)):
                key = keyList[i].text
                val = valueList[i].text
                infoDict[key] = val  # 構建鍵值對

            with open(fpath, 'a', encoding='utf-8') as f:
                f.write(str(infoDict) + '\n')
                count = count + 1
                print("\r當前進度: {:.2f}%".format(count * 100 / len(lst)), end="")
        except:
            count = count + 1
            print("\r當前進度: {:.2f}%".format(count * 100 / len(lst)), end="")
            continue

• main

if __name__ == '__main__':
    stock_list_url = 'http://nufm.dfcfw.com/EM_Finance2014NumericApplication/JS.aspx?cb=jQuery1124042072564439236015_1553933614379&type=CT&token=4f1862fc3b5e77c150a2b985b12db0fd&sty=FCOIATC&js=(%7Bdata%3A%5B(x)%5D%2CrecordsFiltered%3A(tot)%7D)&cmd=C._A&st=(ChangePercent)&sr=-1&p=1&ps=20'
    stock_info_url = 'https://gupiao.baidu.com/stock/'
    output_file = 'D:\stack_info.txt'
    slist = []
    getStockList(slist, stock_list_url)
    getStockInfo(slist, stock_info_url, output_file)

結果

就上一點點結果吧…