今天給各位分享網(wǎng)站源碼爬取的知識，其中也會(huì)對獲取網(wǎng)站源碼進(jìn)行解釋，如果能碰巧解決你現(xiàn)在面臨的問題，別忘了關(guān)注本站，現(xiàn)在開始吧！

本文目錄一覽：

• 1、用requests庫爬取網(wǎng)站源碼問題
• 2、為什么別人網(wǎng)站源碼中只有少量內(nèi)容,其他通過js實(shí)現(xiàn)
• 3、python怎么爬取網(wǎng)頁源代碼

用requests庫爬取網(wǎng)站源碼問題

這個(gè)網(wǎng)頁是JavaScript異步加載的，直接用requests爬不到你想要的網(wǎng)頁源碼。

為什么別人網(wǎng)站源碼中只有少量內(nèi)容,其他通過js實(shí)現(xiàn)

最有可能的原因就是網(wǎng)頁數(shù)據(jù)是動(dòng)態(tài)加載的，存儲(chǔ)在一個(gè)json文件中，直接獲取源碼是提取不到任何信息的，需要抓包分析才行，下面我簡單介紹一下操作過程，以某某貸上的數(shù)據(jù)為例（動(dòng)態(tài)加載）：

1.首先，打開原網(wǎng)頁，如下，這里假設(shè)我們要爬取的數(shù)據(jù)包含年利率、借款標(biāo)題、期限、金額和進(jìn)度5個(gè)字段：

2.接著右鍵打開網(wǎng)頁源碼，按Ctrl+F搜索其中關(guān)鍵字，如“10.20%”，可以看到，任何信息都匹配不到，說明數(shù)據(jù)是動(dòng)態(tài)加載的，而非直接嵌套在網(wǎng)頁源碼中：

3.按F12調(diào)出瀏覽器開發(fā)者工具，開始抓包分析，依次點(diǎn)擊“Network”-“XHR”，F(xiàn)5刷新頁面，可以看到，數(shù)據(jù)是動(dòng)態(tài)加載的，存儲(chǔ)在一個(gè)json文件中，而非html網(wǎng)頁源碼，只有解析這個(gè)json文件，才能提取出我們需要的數(shù)據(jù)：

4.接著就是根據(jù)抓包結(jié)果解析json文件，已經(jīng)獲取到url地址，所以直接get請求即可，然后用python自帶的json包解析就行，測試代碼如下，非常簡單，依次根據(jù)屬性提取字段信息即可：

5.最后點(diǎn)擊運(yùn)行程序，截圖如下，已經(jīng)成功提取到我們需要的數(shù)據(jù)：

至此，我們就完成了網(wǎng)頁動(dòng)態(tài)數(shù)據(jù)的爬取。總的來說，整個(gè)過程非常簡單，最主要的還是抓包分析，獲取到真實(shí)存儲(chǔ)數(shù)據(jù)的文件，然后再解析就行，只要你有一定的python基礎(chǔ)，熟悉一下上面的過程，很快就能掌握的，當(dāng)然，如果數(shù)據(jù)或鏈接進(jìn)行了加密處理，這個(gè)就非常復(fù)雜了，需要自己好好琢磨一下，網(wǎng)上也有相關(guān)資料和教程，感興趣的話，可以搜一下，希望以上分享的內(nèi)容能對你有所幫助吧，也歡迎大家評論、留言進(jìn)行補(bǔ)充。

python怎么爬取網(wǎng)頁源代碼

#!/usr/bin/env python3

#-*- coding=utf-8 -*-

import urllib3

if __name__ == '__main__':

http=urllib3.PoolManager()

r=http.request('GET','IP')

print(r.data.decode("gbk"))

可以正常抓取。需要安裝urllib3,py版本3.43

網(wǎng)站源碼爬取的介紹就聊到這里吧，感謝你花時(shí)間閱讀本站內(nèi)容，更多關(guān)于獲取網(wǎng)站源碼、網(wǎng)站源碼爬取的信息別忘了在本站進(jìn)行查找喔。