V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
15874103329
V2EX  ›  Python

[求助] 为何微博网页代码有 1500 多行,而我只能提取 10%左右

  •  
  •   15874103329 · 2018-12-23 11:49:25 +08:00 · 3098 次点击
    这是一个创建于 2181 天前的主题,其中的信息可能已经有所发展或是发生改变。
    为何微博网页代码有 1500 多行( response 内看到的),而我只能提取 10%左右,已经试过很多次了,代码如下:

    import requests
    from pyquery import PyQuery as pq
    from urllib.parse import urlencode
    import re

    def dizhi():
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3573.0 Safari/537.36'}
    data = {
    'q': '微信群',
    'typeall': '1',
    'suball': '1',
    'timescope': 'custom:2018 - 12 - 20 - 0: 2018 - 12 - 22 - 0',
    'Refer': 'g'
    }
    url = 'https://s.weibo.com/weibo/%25E5%25AE%259D%25E5%25A6%2588%25E7%25BE%25A4?' + urlencode(data)
    wangzhi = requests.get(url,headers = headers)
    return wangzhi.text

    def jiexi(html):
    doc = pq(html)
    item = doc('.m4 li')
    for i in item.items():
    print(i('img').attr('src'))

    def main():
    html = dizhi()
    print(html)
    jiexi(html)



    if __name__ == '__main__':
    main()
    6 条回复    2018-12-24 16:16:12 +08:00
    jugelizi
        1
    jugelizi  
       2018-12-23 12:02:38 +08:00
    是不是异步加载的数据
    zhangsen1992
        2
    zhangsen1992  
       2018-12-23 12:06:46 +08:00   ❤️ 1
    js
    wly19960911
        3
    wly19960911  
       2018-12-23 12:09:19 +08:00 via Android
    微博为什么抓页面啊,不是有 API 吗
    helsonxiao
        4
    helsonxiao  
       2018-12-23 13:41:52 +08:00 via Android
    试试微博移动端的 api,限制少,可以拿来学习
    meiyoumingzi6
        5
    meiyoumingzi6  
       2018-12-23 13:45:09 +08:00 via Android   ❤️ 3
    https://html.python-requests.org


    request-html 库试试,先执行下 js,再取 text
    locoz
        6
    locoz  
       2018-12-24 16:16:12 +08:00
    你在浏览器里看到的是经过 JS 渲染的,想看到和你自己写的程序去请求拿到的 response 完全一样的内容,请使用 postman 之类的工具。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   4866 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 27ms · UTC 03:41 · PVG 11:41 · LAX 19:41 · JFK 22:41
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.