Python如何爬取肯德基(python,开发技术)

准备工作

查看肯德基官网的请求方法：post请求。

X-Requested-With: XMLHttpRequest 判断得肯德基官网是ajax请求

通过这两个准备步骤，明确本次爬虫目标：
ajax的post请求肯德基官网 获取上海肯德基地点前10页。

分析

获取上海肯德基地点前10页，那就需要先对每页的url进行分析。

第一页

#page1#http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname#POST#cname:上海#pid:#pageIndex:1#pageSize:10

第二页

#page2#http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname#POST#cname:上海#pid:#pageIndex:2#pageSize:10

第三页依次类推。

程序入口

首先回顾urllib爬取的基本操作：

#使用urllib获取百度首页的源码importurllib.request#1.定义一个url，就是你要访问的地址url='http://www.baidu.com'#2.模拟浏览器向服务器发送请求response响应response=urllib.request.urlopen(url)#3.获取响应中的页面的源码content内容#read方法返回的是字节形式的二进制数据#将二进制数据转换为字符串#二进制-->字符串解码decode方法content=response.read().decode('utf-8')#4.打印数据print(content)

• 定义一个url，就是你要访问的地址

• 模拟浏览器向服务器发送请求 response响应

• 获取响应中的页面的源码 content内容

if__name__=='__main__':start_page=int(input('请输入起始页码:'))end_page=int(input('请输入结束页码:'))forpageinrange(start_page,end_page+1):#请求对象的定制request=create_request(page)#获取网页源码content=get_content(request)#下载数据down_load(page,content)

对应的，我们在主函数中也类似声明方法。

url组成数据定位

爬虫的关键在于找接口。对于这个案例，在预览页可以找到页面对应的json数据，说明这是我们要的数据。

构造url

不难发现，肯德基官网的url的一个共同点，我们把它保存为base_url。

base_url = 'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname'

参数

老样子，找规律，只有'pageIndex'和页码有关。

data={'cname':'上海','pid':'','pageIndex':page,'pageSize':'10'}

post请求

• post请求的参数 必须要进行编码

data = urllib.parse.urlencode(data).encode('utf-8')

• 编码之后必须调用encode方法

• 参数放在请求对象定制的方法中：post的请求的参数，是不会拼接在url后面的，而是放在请求对象定制的参数中

所以将data进行编码

data=urllib.parse.urlencode(data).encode('utf-8')

标头获取（防止反爬的一种手段）

即 响应头中UA部分。

User Agent，用户代理，特殊字符串头，使得服务器能够识别客户使用的操作系统及版本，CPU类型，浏览器及版本，浏览器内核，浏览器渲染引擎，浏览器语言，浏览器插件等。

headers={'User-Agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/94.0.4606.71Safari/537.36Edg/94.0.992.38'}

请求对象定制

参数，base_url，请求头都准备得当后，就可以进行请求对象定制了。

request=urllib.request.Request(base_url,headers=headers,data=data)

获取网页源码

把request请求作为参数，模拟浏览器向服务器发送请求 获得response响应。

response=urllib.request.urlopen(request)content=response.read().decode('utf-8')

获取响应中的页面的源码，下载数据

使用 read()方法，得到字节形式的二进制数据，需要使用 decode进行解码，转换为字符串。

content=response.read().decode('utf-8')

然后我们将下载得到的数据写进文件，使用 with open() as fp 的语法，系统自动关闭文件。

defdown_load(page,content):withopen('kfc_'+str(page)+'.json','w',encoding='utf-8')asfp:fp.write(content)

全部代码

#ajax的post请求肯德基官网获取上海肯德基地点前10页#page1#http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname#POST#cname:上海#pid:#pageIndex:1#pageSize:10#page2#http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname#POST#cname:上海#pid:#pageIndex:2#pageSize:10importurllib.request,urllib.parsedefcreate_request(page):base_url='http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=cname'data={'cname':'上海','pid':'','pageIndex':page,'pageSize':'10'}data=urllib.parse.urlencode(data).encode('utf-8')headers={'User-Agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/94.0.4606.71Safari/537.36Edg/94.0.992.38'}request=urllib.request.Request(base_url,headers=headers,data=data)returnrequestdefget_content(request):response=urllib.request.urlopen(request)content=response.read().decode('utf-8')returncontentdefdown_load(page,content):withopen('kfc_'+str(page)+'.json','w',encoding='utf-8')asfp:fp.write(content)if__name__=='__main__':start_page=int(input('请输入起始页码:'))end_page=int(input('请输入结束页码:'))forpageinrange(start_page,end_page+1):#请求对象的定制request=create_request(page)#获取网页源码content=get_content(request)#下载数据down_load(page,content)

爬取后结果