加载数据分为同步加载和异步加载，同步加载也就是我前几篇的文章那样，只需要分析网站格式，研究网站的自动翻页，这些东西在客户端我们就能根据变化来分析自动翻页，从而可以爬取全站数据。但是，有些网站不是通过翻页来更新数据，而是通过Ajax异步加载来推送数据，（给咱们看到的就是往下一直拉，数据一直更新），而这些包在客户端的开发工具里是看不到的。不过可以通过第三方工具来进行抓包，这里我使用的抓包工具fiddler。关于fidder的配置, 你可以参考其他文章,主要就是设置一些代理的参数.

现在开始分析！这里我拿腾讯视频评论来作为实验，我随便选一个视频，最好是评论数多的

类似于这种的都是通过js包来加载数据，现在我们要打开fiddler，然后刷新一下网页，你会发现fiddler出现了好多数据，这个时候先别急，因为他会一直在变动，等他不变了的时候，咱们ctrl+x或者输入命令clear清一下屏，这是为了后边针对性的分析，此时你可以点一下查看更多评论，你会在fiddler上看到一个js的头标

这个时候你可以点击右边TextView会出现这些

ok 下面就该看看这些都是些什么玩意，上边的稍微知道点英语都能看懂，但是下面的是什么东西，其实这是一种编码，咱们复制一些解码看一下。

正好符合，那下面就该分析js包的规律了

咱们先点击查看更多，保存js地址，再点击一次，再保存地址，循环3次就够摸索规律了，下面是我的结果

1. https://video.coral.qq.com/filmreviewr/c/upcomment/j6cgzhtkuonf6te?callback=_filmreviewrcupcommentj6cgzhtkuonf6te&reqnum=3&source=132&commentid=6227734628246412645
2. https://video.coral.qq.com/filmreviewr/c/upcomment/j6cgzhtkuonf6te?callback=_filmreviewrcupcommentj6cgzhtkuonf6te&reqnum=3&source=132&commentid=6232162852904795079
3. https://video.coral.qq.com/filmreviewr/c/upcomment/j6cgzhtkuonf6te?callback=_filmreviewrcupcommentj6cgzhtkuonf6te&reqnum=3&source=132&commentid=6234994465071252337

这个时候我们发现变化的只有commentid，但是是怎么变得，咱还是要分析一下，你打开第一个网址，你会发现有个last的字段，再看一下个发现还是，那就能确定这个js包的last字段指向的是下一个js包的地址

ok 目前虽然分析的是地址，但为了保险，咱们测试一下先把所有的js地址的commentid看看能不能拿下来

有了这些js地址，下面的就没啥好说的了，分析一下就可以开始爬了

代码简单，这里主要就是分析Ajax内容

import urllib.request
import re
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
key="6227734628246412645"
while(True):
    url2 = "https://video.coral.qq.com/filmreviewr/c/upcomment/j6cgzhtkuonf6te?callback=_filmreviewrcupcommentj6cgzhtkuonf6te&reqnum=3&source=132&commentid="+key
    try:
        data=urllib.request.urlopen(url2).read().decode("utf-8","ignore")
        pat1='"last":"(.*?)"'
        last=re.compile(pat1).findall(data)
        key=last[0]
        pat2='"title":"(.*?)","abstract":"'
        title=re.compile(pat2).findall(data)
        pat3='"content":"(.*?)"'
        com=re.compile(pat3).findall(data)
        for i in range(0,len(title)):
            print("标题："+eval('u"'+title[i]+'"'))
            print("评论："+eval('u"'+com[i]+'"'))
    except Exception as err:
        pass

分享到：

赞(1) 打赏