在python抓取图片的时候,有时候却找不到对应的网址,可能存在json中,所以如何用python解析json数据,小白看了几个论坛后自己总结一些以便加深印象。
1.requests.get(url,params) 获得请求数据
import requests def get_many_pages(keyword, page): params = []#收集不同页面的json数据 for i in range(30, 30*page, 30):#动态加载,每页30个 params.append({ ‘tn‘: ‘resultjson_com‘, ‘ipn‘: ‘rj‘, ‘ct‘: 201326592, ‘is‘: ‘‘, ‘fp‘: ‘result‘, ‘queryWord‘: keyword, ‘cl‘: 2, ‘lm‘: -1, ‘ie‘: ‘utf-8‘, ‘oe‘: ‘utf-8‘, ‘adpicid‘: ‘‘, ‘st‘: -1, ‘z‘: ‘‘, ‘ic‘: ‘‘, ‘word‘: keyword, ‘s‘: ‘‘, ‘se‘: ‘‘, ‘tab‘: ‘‘, ‘width‘: ‘‘, ‘height‘: ‘‘, ‘face‘: 0, ‘istype‘: 2, ‘qc‘: ‘‘, ‘nc‘: ‘‘ , ‘fr‘: ‘‘, ‘pn‘: i, ‘rn‘: 30, ‘gsm‘: ‘1e‘, ‘1517048369666‘: ‘‘ }) #json的Query String paramters 是动态的 json_url = ‘https://image.baidu.com/search/acjson‘#json的init地址 json_datas = []#用于收集所有页面的json数据 for param in params:#分别取出每个动态的参数,是一个字典形式 res = requests.get(json_url, params = param)#获取json地址 res.encoding = ‘utf-8‘#转化为utf-8格式 json_data = res.json().get(‘data‘)#解析json数据成字典,通过get方法找出data中的值 json_datas.append(json_data)#把所有页的json数据取回 return json_datas def get_url(): json_datas = datalist#获取所有页的json数据 #print(json_datas) for each_data in json_datas:#解开列表嵌套 for each_dict in each_data:#解开列嵌套直到出现字典 each_url = each_dict.get(‘thumbURL‘)#获取字典中的地址 print(each_url) datalist = get_many_pages(‘暴漫表情包‘,3) get_url()
1. urllib.request + json 获得请求数据
# -*- coding: utf-8 -*- ‘‘‘ Created on Sat Jan 27 22:39:15 2018 @author: zhuxueming‘‘‘ import urllib.request import json def get_many_pages(page): json_datas = [] for i in range(30,30*page,30):#这里由于网址中有多个%所以采用.format不能用%来格式化,根据json的地址发现,只有1517056200441=后面的数字变化在不同的页面中,所以单独改这一个就可以 json_url = ‘http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E6%9A%B4%E6%BC%AB%E8%A1%A8%E6%83%85%E5%8C%85&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&word=%E6%9A%B4%E6%BC%AB%E8%A1%A8%E6%83%85%E5%8C%85&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=&fr=&pn={0}&rn=30&gsm=3c&1517056200441=‘.format(i) res = urllib.request.urlopen(json_url)#获得网址数据 html = res.read().decode(‘utf-8‘)#读取数据并转化为utf-8 json_data = json.loads(html).get(‘data‘)#用json转化为字典获取data里的数据 json_datas.append(json_data)#合并不同页面的数据 return json_datas def get_url(): json_datas = datalist#获取所有页的json数据 #print(json_datas) for each_data in json_datas:#解开列表嵌套 for each_dict in each_data:#解开列嵌套直到出现字典 each_url = each_dict.get(‘thumbURL‘)#获取字典中的地址 print(each_url) datalist = get_many_pages(3) get_url()
综上两个方式都可以使用,只是第二种不能直接关键词搜索,但不同关键次需要修改json参数,所以也无妨,主要就是找到这个动态的json数据包比较困难,一般在js下货XHR下面。
原文地址:https://www.cnblogs.com/Zhu-Xueming/p/8367614.html
时间: 2024-10-11 18:24:11