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