crawler - Wie schließe ich das Umblättern einer JavaScript-Funktion im Python-Crawler ab?

Question

Als ich eine Webseite gecrawlt habe, ist mir aufgefallen, dass das Umblättern durch eine solche Funktion implementiert wurde. Nach dem Umblättern hat sich die Seiten-URL nicht geändert:

<input class="buttonJump" name="goto2" onclick="dirGroupMblogToPage(document.getElementById('dirGroupMblogcp2').value)" type="button" value="Go"/>
     </input>
     
     
function dirGroupMblogToPage(currentPage){

    jQuery.post("dirGroupMblog.action", {"page.currentPage":currentPage,gid:MI.TalkBox.gid}, function(data){$("#talkMain").html(data);
        window.scrollTo(0, $css.getY(MI.talkList._body)-65);
    });

}

Ich habe eine Funktion wie diese geschrieben, um das Umblättern zu erreichen:

def login_page(login_url, content_url, usr_name="******@126.com", passwd="******"):
    # 实现登录, 返回Session对象和获得的页面
    post_data = {'r': 'on', 'u': usr_name, 'p': passwd}
    s = requests.Session()
    s.post(login_url, post_data)
    r = s.get(content_url)
    return s, r

def turn_page(s, next_page, content_url):
    post_url = "http://sns.icourses.cn/dirGroupMblog.action"
    post_headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36", 
               "X-Requested-With":"XMLHttpRequest"}
    post_data = {"page.currentPage": next_page, "gid": 2632}
    s.post(post_url, data=post_data, headers = post_headers)
    res = s.get(content_url)
    return res

Aber das Umblättern schlug nach dem Aufruf von turn_page() fehl. Wie sollen wir dieses Problem lösen? Welche Art von Wissen müssen wir selbst erlernen, um dieses Problem zu lösen?

Answer 1

• 推荐使用 selenium

• 例如，如果需要点击界面上，下一页的按钮，或者说需要输入上下左右键，页面可以翻页，selenium webdriver可以做到，给出一个参考（我以前用来爬起点中文网的小说）

• selenium 可以与页面进行交互，单击，双击，输入，等待页面加载（隐式等待，和显式等待）。。。。

from selenium import webdriver
# from selenium.webdriver.common.keys import Keys

#driver = webdriver.PhantomJS(executable_path="D:\\phantomjs-2.1.1-windows\\bin\\phantomjs")
# 我的windows 已配置环境变量，不需指定 executable_path，使用 Chrome需要对应的浏览器以及驱动程序
driver = webdriver.Chrome()

# url 为你需要加载的页面url
url = 'http://sns.icourses.cn/*****'

# 打开页面
driver.get(url)

# 在你的例子中，是需要点击 button ,通过class 属性获取到button，然后执行单击 .click()
# 如果需要准确定位，可以自行搜索其他的 find_
driver.find_element_by_class_name("buttonJump").click()

# selenium webdriver 还有很多其它高级的用法，自行谷歌，你这个问题，搜索应该是能得到答案的，

Answer 2

分几种情况，
1、页面上通过 js 效果实现滑动或者点击实现翻页；
2、页面上通过超链接点击实现翻页；

可以通过 chrome 的开发者工具中的 network 分析得到结果反会的是 html 页面还是反馈 json 渲染。
json 的话就好办了，直接拿结果。普通html 页面需要使用正则匹配到换页。然后将链接放入待爬的池子中。

/a/11...