爬虫基础(案例:北京新发地信息爬取)

爬取思路:
1、找到蔬菜信息页面,然后进行翻页,发现页面的url没有发生改变,所有蔬菜信息是通过接口数据动态获取的,是动态数据。
2、进行chrom调试抓包,找到每个页面信息所在的url
3、 发现每个信息的url都相同,post请求,form data不同。
4、通过修改提交的data来获取不同页面的蔬菜信息。

import requests
import json
import csv

file = open("C://Users//孤桥//Desktop//项目//PekingXFD//vegetable.csv","a",newline='')
file_csv = csv.writer(file)
file_csv.writerow(["ClassFication","Name","low-price","mean-price","high-price","release-time"])

class spyderXFD():
    def __init__(self):
        self.url ="http://www.xinfadi.com.cn/getPriceData.html"
        self.headers = {
            "User-Agent":'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36'
            }
        self.data = {
            "limit": 20,
            "current":"",
            "pubDateStartTime":"", 
            "pubDateEndTime": "",
            "prodPcatid": "",
            "prodCatid": "",
            "prodName": ""
            }
    def post_url(self):
        res = requests.post(self.url,data =self.data,headers = self.headers)
        res_dic = json.loads(res.text)
        for i in res_dic["list"]:
            file_csv.writerow([i["prodCat"],i["prodName"],i["lowPrice"],i["avgPrice"],i["highPrice"],i["pubDate"]])
    def run(self,x): 
        self.data["current"] = x#获取第x页数据
        self.post_url()


train_XFD = spyderXFD()

for i in range(10):
    if(i==0):    
        train_XFD.run("")
    else:
        train_XFD.run(i)
    file_csv.writerow("")
file.close()
上一篇:接口自动化从个人走向团队协作开发


下一篇:Python爬取豆瓣音乐TOP250,爬取的数据保存到csv文件和xls文件