栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

2021-10-12

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

2021-10-12

药监局爬取
import requests
from lxml import etree
import os
import json
import time

def get_page(url, params):
    headers = {
        'User-Agent' : "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36"
    }
    response = requests.post(url=url, headers=headers, params=params)
    if response.status_code == 200:
        return response
    else:
        return None

def main():
    url = "http://scxk.nmpa.gov.cn:81/xk/itownet/portalAction.do?method=getXkzsList"
    id_list = []
    for i in range(1, 2):
        params = {
            'on': 'true',
            'page': str(i),
            'pageSize': '15',
            'productName': '',
            'conditionType': '1',
            'applyname': '',
            'applysn': ''
        }
        response = get_page(url=url, params=params).json()
        time.sleep(0.5)
        ids = response['list']
        for id in ids:
            id_list.append(id['ID'])
    print(id_list)
    # 获取信息
    info_url = 'http://scxk.nmpa.gov.cn:81/xk/itownet/portalAction.do?method=getXkzsById'
    information = []
    num = 0
    for id in id_list:
        if num % 15 == 0:
            print("爬取第{}页".format(num//15 + 1))
        data = {
            'id': id
        }
        info = get_page(url=info_url, params=data).json()

        time.sleep(0.1)
        info_dic = {}
        name = info['businessPerson']
        addr = info['epsAddress']
        info_dic['负责人'] = name
        info_dic['地址'] = addr
        information.append(info_dic)
        num += 1
    print(information)



if __name__ == '__main__':
    main()
问题
  1. 爬取的过程中一开始使用的是Get请求,但是当把页面请求到的时候,发现是没有中间的主题信息的。 从而判定是动态请求,并且从动态请求的那个response里是有中间的主题信息。
    找准url,判断是Post请求还是Get请求
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/321897.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号