GooSeeker
产品
资源
教程
视频教程
使用交流
资讯
开启辅助访问
切换风格
请
登录
后使用快捷导航
没有帐号?
立即注册
登录
|
注册
快捷导航
资讯
常见问题
使用交流
python交流
视频教程
资源发布公告
数学建模交流
论坛
›
搜客社区
›
python交流
1
8761
跪求这个网站的爬取手段啊!
759924607
于 2016-12-1 22:58
发表
[复制链接]
[只看楼主]
[打印]
[上一主题]
[下一主题]
759924607
积分
609
精华
0
威望
244
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
http://gs.amac.org.cn/amac-infodisc/res/pof/fund/index.html
这个是网站的首页,我想通过列表页来获取到详情页的网址。翻页的话,网址是不会发生变化的。
我抓包获取到它实际的网址是这样的:
http://gs.amac.org.cn/amac-infod ... ;page=0&size=20
其中的rand不清楚是什么,page控制页码,size是每页的个数。 它的请求方式是post。
在浏览器中打开,发现默认请求方式为get,获取不到网页内容。
这段代码中,不知道错误的原因具体是什么。而且,payload为空,请求头该如何写呢?之前看到请求头一般在 Form data中,这里边的Query string parameters中参数是否可以作为请求头来填写?
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
收藏
0
转播
支持
0
反对
0
举报
使用道具
|
回复
共 1 个关于本帖的回复 最后回复于 2016-12-1 23:06
Fuller
积分
23803
精华
0
威望
6606
金钱
6
最后登录 2025-2-22
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
沙发
Fuller
管理员
发表于 2016-12-1 23:06:57
|
只看该作者
这类网站很多,对会话状态进行严格管理,很多电子流系统也是这样,每个网页虽然有独立网址,但是脱离浏览路径就会失效。那个RAND应该是一个随机码,表示当时的会话状态和访问路径的。
用集搜客网络爬虫解决这个问题很容易,做两级规则,第一级要定义
连续动作
,逐个点击列表中的基金名称,第二级抓取详细信息。由于第二级弹出新窗口,得用
飞掠模式
。这是
旗舰版
的功能。
举报
使用道具
回复
支持
反对
返回列表
B
Color
Image
Link
Quote
Code
Smilies
高级模式
您需要登录后才可以回帖
登录
|
立即注册
发表回复
回帖并转播
回帖后跳转到最后一页
回复
推荐板块
使用交流
常见问题
数学建模交流
python交流
视频教程
精彩推荐
话题分析(NMF模型和LDA模型)软件的安装和
运行Apple无法验证的程序的方法
文本聚类分析软件的安装和使用方法
利用AI阅读和分析文本:扣子COZE记录用户反
在网页片段内直观标注——以B站评论采集为
热门话题
1
【集微库】微博采集工具箱使用常见问题
2
集搜客文本分词标注工具(V1版)
3
怎样使用快捷采集(以采集京东评论为例)
4
有没有办法采集机场的出租车信息?
5
获得积分的好方法:转发小程序、QQ群、微信
6
【求助】关于采集阿里巴巴国际站访客详情分
7
GooSeeker分词,情感分析和关键词抽取平台使
8
新浪微博_博主主页
9
怎样采集抖音关键词搜索后的数据
10
集搜客GooSeeker 网络爬虫版本发布公告
热门用户
Fuller
帖子:10585
访问主页>>
wangyong
帖子:1716
访问主页>>
gbkuce
帖子:0
访问主页>>
GMT+8, 2025-2-24 12:04
快速回复
快速发帖
返回顶部
返回列表
共 1 个关于本帖的回复 最后回复于 2016-12-1 23:06