Python爬取动态网页实例讲解

笔者在做爬虫作业时，遇到了一个动态网页，分析代码网页源代码时因此就少了许多需要的元素。下面用一个实例来记录一下爬取动态网页的步骤。

实例：股票定向爬虫

这个实例目标是从东方财富网获取股票列表，然后根据股票列表逐个到百度股票获取个股信息，最后将结果存储到文件。基本也看的出来代码就是上面三个步骤。

踩雷

一开始没发现这是个动态网页，因为我在需要的信息上面直接右键检查，发现信息挺全的，但是代码会变一下，当时也没发现什么不对（还是太菜了没这实战经验），第一次操作如图：

你可以看到，需要信息的网页代码还是存在的，但是当你展开td标签时，网页会自动恢复，该标签内部信息会自动收回，所以想到这是一个动态网页，所有信息都是动态加载出来的，而非静态呈现。右键查看源代码，可以发现源代码中并没有这些信息，说明确实是动态网页：

想想办法

既然是动态加载的，那么数据文件还是存在的。因此审查查看资源文件里有没有想要的数据文件，结果一个一个点开后发现了目标：

接着就直接点击一个进去，复制url（右键 copy link address）看看是个什么东西：

结果发现首页所有的股票信息都在这个文件里面，那么很好，这个url就是我们爬取的对象url了。

代码

• 解析网页，返回源代码

def getHTMLText(url, code='utf-8'):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = code
        return r.text
    except:
        return ""

• 解析数据文件，使用re库提取出股票信息

# 东方财富网，通过a标签内找到股票标号，将所有的股票标号返回到lst中
def getStockList(lst, stockURL):
    #2 sz 1 sh
    html = getHTMLText