python3爬虫之访问量、点击率数据的爬取分析

python3爬虫之访问量、点击率数据的爬取分析

1.明确问题：


通过开发者工具分析我们可以看出，这个点击率并不是‘静态数据’，而是一个脚本返回，那么这个数据到底藏在哪里呢？
经验告诉我，不是Doc 就在Js找，如果还找不到，那很有可能就在XHR(Ajax的一种用法 即异步加载)中了，果不其然，通过查找确定我们要的数据在这里：

---

2.该怎么取回数据呢？
分析Header：

我们可以确定网址，那么这个网址有什么特点呢？
http://www2017.tyut.edu.cn/system/resource/code/news/click/dynclicks.jsp?clickid=9578&owner=1353264808&clicktype=wbnews
经过规律总结，我发现clickid={}&owner={}这两个值是不停变化的，其他的部分并没有动。
那这两个值是怎么变化的呢?返回去找原文章点击量的脚本，我发现
点击率：[<script>_showDynClicks("wbnews", **1353264808**, **9578**)</script>]次</span></div>
这时候我们可以确定怎么取数据了

---

3.数据取法：

x = soup.select('.xxxx script')[0].text.replace(' ', '').strip(')').split(',')
    resulturl = 'http://www2017.tyut.edu.cn/system/resource/code/news/click/dynclicks.jsp?clickid={}&owner={}&clicktype=wbnews'.format(
        x[2], x[1])
    count = BeautifulSoup(requests.get(resulturl).text, 'html.parser')

---

4.结果验证(由于时间过去了一会儿导致点击率又增加了ps:好像很多人看的样子QAQ)：

---

5.心得小结：
到这里python3爬虫项目实战就告一段落了，本人一天6更啊(跟写小说似的)，在项目实战中，你应该掌握

• python爬虫环境搭建
• 利用requests库获取全部html目标代码
• 利用BeautifulSoup4解析你想要的部分并脱去标签
• 利用函数、for循环等实现‘自动化’批量爬取数据
• 获取数据的回传
• 最后用Pandas库生成长期可存储数据文件

项目实战就到这里了，我们回见啊:)