需要爬取三峡水库的实时水情数据,可以在网页中选择日期显示水情信息,如果一天天选择再复制数据发现很是耗时,我现在需要将下图中三峡水利枢纽2014年-2016年每天的数据爬下来。
网址如下:
http://www.ctgpc.com.cn/sxjt/...
通过浏览器自带的检查工具,右键检查元素,查看 network,查看调用的 ajax API 地址:初步分析后发现是通过ajax调用了以下网址,并用POST传递了一个日期数据,例如今天2017-02-15给该网址:
http://www.ctgpc.com.cn/eport...
Header如下:
Response如下:
之前有搜索到类似的问题:https://segmentfault.com/q/10...
但是按照回答并没能解决我的疑惑,因此在这里求助各位前辈,麻烦大家了
伊谢尔伦2017-04-18 10:21:32
可以利用requests库模拟post提交。 从游览器检查工具可以看到传的参数是time:2017-02-07。定义data={"time": 日期譬如2017-02-07}。 然后你可以写个循环,循环一次日期往后加一天。然后就r = requests.post("url", data=data, header=****)
。 取出数据保存入库。每次循环嫌慢的话,可以加上gevent这个协程库加快速度,看你也就想抓2年的数据循环365*2次就OK了
迷茫2017-04-18 10:21:32
抓包,再模拟post或get
看看下面的内容
Python爬虫联想词视频和代码
https://zhuanlan.zhihu.com/p/...
跟黄哥学Python爬虫抓取代理IP和验证。
https://zhuanlan.zhihu.com/p/...
跟黄哥学Python爬虫抓取代理IP
https://zhuanlan.zhihu.com/p/...