Python如何利用Selenium或者PhantomJS爬取动态网页内容

想用python做股票量化交易，第一步就是获取股票的历史数据。访问http://data.eastmoney.com/sto...网页，将网页源码打开后看不见表格中的数据，据说是利用ajax技术加载的。在网上看见可以利用selenium和phantomJS来获取这些动态网页内容，但是不知道如何获取完整源码。请高手指点迷津

回答：

事实上，我刚才试了一下，页面不是用xhr加载的，在页面的源代码中已经有了，然后调用了一个类把数据加载为一个table。
比如，首页的数据：

clipboard.png

然后，提取就直接使用re提取就可以了，得到文本以后json解析就好了。
先写到这里。
+++++++++++++++++++++++++++++++++++++++++

然后，就是这个网站不使用xhr加载数据而是使用的js来加载json数据，动态解析来显示。具体分析需要用到js的知识，如果你了解也可以自己尝试解析。

我尝试了一下。

from urllib.parse import quote
import time
import requests
url = "http://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=FD&sty=TSTC&st={sortType}\
&sr={sortRule}&p={page}&ps={pageSize}&js=var {jsname}=(x){param}"
params = {
    "sortType": 1,
    "sortRule": 1,
    "page": 2,
    "pageSize": 50,
    "jsname": "Aafdafgq", # 这里使用的是随机字符串，8位
    "param": "&mkt=0&rt="
}
params["param"] += str(int(time.time()/30)) # 当前时间
url = url.format(**params)
url = quote(url, safe=":=/?&()")
req = requests.get(url)
req.text

clipboard.png

回答：

用这个组合 好处是简单暴力，坏处是效率较低。
相当于打开一个你看不到的浏览器加载页面，再把运算好的结果读取。
新人学爬虫的话 推荐 python网络数据采集 这本动物书。
你需要的说明在采集动态页面那章。
这书很薄 很实用。

回答：

我对js和json都不太了解，刚刚爬虫入门。经过你的提示，我再查看了一下源码，发现在defjson里面有这些数据，不明白是怎样把json里的数据显示到tbody里面的。我用pandas的read_html可以抓到这些数据，但是最后两列会丢失。看来我得先去看看js和json

以上是 Python如何利用Selenium或者PhantomJS爬取动态网页内容 的全部内容， 来源链接： utcz.com/a/156342.html

回到顶部