如何在Python中自动化爬取动态加载的分页数据?

落伟同学_4008

落伟同学_4008

2026-11-04

244人浏览

原创

requests + BeautifulSoup 拿不到动态分页内容,因为初始HTML中无后续页数据,其由JavaScript通过AJAX(如fetch/XHR)动态加载;需在Network面板识别JSON接口并模拟请求,或使用Playwright/Selenium渲染。

如何在python中自动化爬取动态加载的分页数据?

为什么 requests + BeautifulSoup 拿不到动态分页内容?

因为页面初始 HTML 里根本没加载后续页的数据——它们是通过 JavaScript 发起的 AJAX 请求(比如 fetch 或 XMLHttpRequest)动态插入的。用 requests.get() 只能拿到骨架,BeautifulSoup 解析后自然为空。

关键判断方式:打开浏览器开发者工具(F12),切到 Network → XHR 或 Fetch 标签,翻页时观察是否有新请求发出;如果有,且响应是 JSON,说明走的是接口分页,不是传统 HTML 分页。

  • 优先抓接口:比渲染整个页面快得多,也更稳定
  • 注意请求头:User-Agent、Referer、有时还需 X-Requested-With 或 token 类字段
  • 参数常藏在 URL 查询字符串或请求体中,比如 page=2、offset=20、cursor=xxx

如何用 requests 模拟 AJAX 分页请求?

先手动点几页,把请求 URL、Method、Headers、Payload(尤其是分页参数)记下来。然后用 requests 循环调用即可,不需要启动浏览器。

示例场景:某列表接口返回 JSON,分页靠 page 和 limit:

import requests

base_url = "https://api.example.com/items"
headers = {"User-Agent": "Mozilla/5.0", "X-Requested-With": "XMLHttpRequest"}

for page in range(1, 6):
    params = {"page": page, "limit": 20}
    resp = requests.get(base_url, headers=headers, params=params)
    if resp.status_code != 200:
        break
    data = resp.json()
    for item in data.get("list", []):
        print(item["title"])
  • 别硬写死页数,检查响应里是否有 has_more、total、next_cursor 等字段来控制循环
  • 加 time.sleep(0.5) 避免触发反爬(尤其没有登录态时)
  • 用 session = requests.Session() 复用连接和 cookies,提升效率

什么时候必须用 Selenium 或 Playwright?

当分页逻辑被深度耦合在前端 JS 里:比如按钮点击后触发一连串计算(时间戳签名、加密 offset)、滚动到底部才加载、或翻页请求依赖上一页 DOM 状态时,requests 就无能为力了。

librosa Python 音频与音乐分析库
librosa Python 音频与音乐分析库

librosa 是一个用于音频和音乐分析的 Python 库。它提供了特征提取、频谱分析、节拍跟踪、起始检测和音频可视化的工具,基于 NumPy 和 SciPy 构建,用于科学音频计算。

下载

此时要选无头浏览器,但注意:不是所有场景都得用 Selenium —— Playwright 启动更快、API 更稳,对动态等待(如 wait_for_selector)支持更好。

  • 避免用 time.sleep() 等页面加载,改用 page.wait_for_response() 监听目标 XHR
  • 提取数据前,先确认元素已存在:page.query_selector(".item-list .item") is not None
  • 关闭图片加载可提速:page.route("**/*.{png,jpg,gif}", lambda route: route.abort())

绕过反爬时最容易漏掉的三个点

很多脚本跑着跑着就 403 或空响应,问题往往不在分页逻辑本身,而在这些细节:

  • Referer 头缺失:某些接口校验来源页,不带会直接拒绝
  • Cookie 过期或未同步:登录态、CSRF token、设备指纹相关 cookie 必须复用
  • 请求频率突变:第一页正常,第二页被限流——试试加随机延迟、换 User-Agent 池

接口分页看似简单,但真实站点常混用多种策略:有的页用 AJAX,有的页靠滚动加载,还有的用 WebSocket 推送。动手前务必在 Network 面板里把每一步请求链路理清楚,而不是只看“翻页”这个动作。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1871

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5084

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1809

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

30637

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3647

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3647

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1243

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

616

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

2823

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程