ajax爬取今日头条街拍图片——data出现none的解决

Posted 2021-03-12 fran-py-

• 之前爬取总是出现如图的结果：手动打开url显示的是想要的结果，但是爬取的时候data为空
• 
• 尝试了多种方法，偶然得到了想要的结果：
• 这是多次实验中成功与不成功结果中构造的url
• 发现

1）得到想要结果，所构造的url中keyword=******与下一参数间没有&链接

2）同样的keyword=%E8%A1%97%E6%8B%8D,参用不同的方式：‘https://www.toutiao.com/api/search/content/?keyword=%E8%A1%97%E6%8B%8D’+urlencode(params)

                                                          　　　　　　　　　　　　   requests.get(‘https://www.toutiao.com/api/search/content/?’，params=params)

    得到的url结果是不一样的，前一个的keyword不变，还是%E8%A1%97%E6%8B%8D,后一种方式得到的keyword变成了%25E8%25A1%2597%25E6%258B%258D

• 因为不是科班专业，仅仅根据自己所学的比较浅薄的知识连蒙带猜得出来的结果，还希望有专业人士解释一下，嘻嘻。
• 附上部分代码

import requests
from urllib.parse import urlencode

def get_page(offset):

    params={
        
        ‘aid‘:24,
        ‘app_name‘:‘web_search‘,
        ‘format‘:‘json‘,
        ‘offset‘:offset,
        
        ‘autoload‘:‘true‘,
        ‘count‘:20,
        ‘en_qc‘:1,
        ‘cur_tab‘:1,
        ‘from‘:‘search_tab‘,
        ‘pd‘:‘synthesis‘
    }
   
    headers={
        ‘X-Requested-With‘:‘XMLHttpRequest‘,
        ‘Cookies‘:‘tt_webid=6788393831844185614; WEATHER_CITY=%E5%8C%97%E4%BA%AC; tt_webid=6788393831844185614; csrftoken=0fd39b0f026752a8f38a902ab9226d44; s_v_web_id=k64mh7pe_9IueD6zl_X1iG_4smt_8Dkd_SMrb5NXXMR8G; __tasessionId=naf9b8ylp1580623604878‘,
        ‘Host‘:‘www.toutiao.com‘,
        ‘Referer‘:‘https://www.toutiao.com/search/?keyword=%E8%A1%97%E6%8B%8D‘,
        ‘User-Agent‘:‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_2) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/71.0.3578.98 Safari/537.36‘
            }
    try:
        url=‘https://www.toutiao.com/api/search/content/?keyword=%E8%A1%97%E6%8B%8D‘+urlencode(params)
        response=requests.get(url,headers=headers)
        response.raise_for_status
        response.encoding=response.apparent_encoding
        print(response.url)
        return response.json()
    except:
        print(‘爬取出错‘)