面对JS渲染的网页如何分析Ajax请求

zonekey

什么是Ajax

AJAX即“Asynchronous Javascript And XML”（异步JavaScript和XML），是指一种创建交互式网页应用的网页开发技术。
AJAX = 异步 JavaScript和XML（标准通用标记语言的子集）。
AJAX 是一种用于创建快速动态网页的技术。
AJAX 是一种在无需重新加载整个网页的情况下，能够更新部分网页的技术。

简单的说就是网页加载，浏览器地址栏的网址并没有变，是javascript异步加载的网页，应该是ajax。AJAX一般是通过XMLHttpRequest 对象接口发送请求的，XMLHttpRequest 一般被缩写为 XHR。

分析果壳网站点

我们目标网站就以果壳网来进行分析。

我们可以看到这个网页并没有翻页按钮，而当我们一直往下拉请求，网页会自动的给我们加载出更多内容。但是，当我们观察网页url时，发现它并没有随着网页的加载请求而变化。而当我们直接请求这个url时，显然我们只能获得到第一页的html内容。

那我们要怎么获得所有页的数据呢？

我们在Chrome中打开开发者工具(F12)。我们点击Network，点击XHR标签---NAME中的链接查看头部。然后我们刷新网页，往下拉请求。这个时候我们就可以看到XHR标签，在网页每一次加载的时候就会跳出一个请求。

我们点击第一个请求，可以看到他的参数：

retrieve_type:by_subjectlimit:20offset:18-:1500265766286

在点击第二个请求，参数如下：

retrieve_type:by_subjectlimit:20offset:38-:1500265766287

limit参数是网页每一页限制加载的文章数，offset就是页数了。接着往下看，我们会发现每一个请求的offset参数都会加 20。

我们接着看每一个请求的响应内容，这是一个就是格式的数据。我们点开result键，可以看到一个 20 篇文章的数据信息。这样我们就成功找到我们需要的信息位置了，我们可以在请求头中看到存放json数据的url地址。http://www.guokr.com/apis/minisi ... 0&offset=18

爬取流程

分析Ajax请求获得每一页的文章url信息；解析每一篇文章，获得需要数据；将获得的数据保存数据库；开启多进程，大量抓取。

开始

我们的工具仍然使用requests请求，BeautifulSoup解析。

首先我们要通过分析Ajax请求，获得所有页的信息，通过对上面对网页的分析，可以得到Ajax加载的json数据的URL地址为：http://www.guokr.com/apis/minisi ... 0&offset=18