我最近在学习php抓取,遇到一个问题被困扰了好长时间了,
我在抓取一个页面的信息(假设a.php),这个页面只是一些基本的html框架,其他关键信息是通过ajax请求(b.php)回来的,返回的是json,然后在通过页面js将json解析,绘制到页面上。问题的关键是ajax请求的信息里有个手机号码需要登录后才显示完整,
我尝试的方法一:模拟登录后直接抓取页面(a.php),遇到ajax不能跨域调用;
方法二:用模拟登录抓取json数据(b.php)得到(api.php)想要的手机信息仍不能完全显示,
方法三:通过替换把ajax调用的页面(b.php)替换为本地地址(api.php),仍不能显示。
补充:可能我没表述清楚,原网站利用ajax请求b.php获得json数据,
如果直接访问b.php也是可以直接得到:{"name":"zhangsan","age":"17","mobile":"135****6789"}这种json数据。
问题是,未登录是mobile:135****6789,而登录后在a.php中会显示成13533446789,但是如果在登录状态打开b.php仍然显示不全,(即只会在a.php中显示全)
而我用上述提到的三种方法都不能得到完整的手机号,所以想问是我的抓取方法不对吗?有经验的能提供下采集这种数据的方法吗?
注:我模拟登录是成功的,也尝试设置过cookie、referer、agent但都不能使号码显示全。
不是很清楚你这句话的意思。你是说请求b.php页面时带着手机号码还是返回b.php界面时json数据中带着这个。然后你还没说清楚你现在问题卡在哪
你可能需要这类玩意儿
http://casperjs.org/
但是这类玩意儿抓取效率不会很高