Ajax介绍及爬取哔哩哔哩番剧索引追番人数排行

Ajax，是利用JavaScript在保证页面不被刷新，页面链接不改变的情况下与服务器交换数据并更新部分网页的技术。简单的说，Ajax使得网页无需刷新即可更新其内容。举个例子，我们用浏览器打开新浪微博，进入某个用户的页面，当我们浏览到该页末尾时，会出现一个加载的动画，然后就刷新出来的新的微博内容，这个过程并不需要我们手动的刷新网页。

Ajax的原理：发送Ajax请求到网页更新的这个过程可分为三步：

1.发送请求

2.解析内容

3.渲染网页

详细的原理介绍可参照：/wanghp/p/6991554.html

简单的说，JavaScript新建了一个XMLHttpRequest对象，然后调用onreadystatechange属性设置了监听，然后调用open()方法和send()方法向服务器发送了请求，当服务器返回响应时，监听对应的方法便会触发，然后在方法里解析响应的内容，从而实现了无需刷新便能更新网页。

那么如何查看Ajax请求呢？以爬取哔哩哔哩番剧索引追番人数排行为例，我们使用Chrome浏览器打开/anime/index/#season_version=-1&area=-1&is_finish=-1&copyright=-1&season_status=-1&season_month=-1&pub_date=-1&style_id=-1&order=3&st=1&sort=0&page=1，并按F12打开开发者工具，如图所示：

在开发者工具中切换到Network选项卡，然后重新刷新页面，筛选XHR请求类型，如图所示：

在左边找到我们需要爬取的Ajax请求，即

点击header可以查看该请求的header信息，之后我们会用到。

Preview是该请求返回的响应内容，包含了我们所要爬取的信息。

接下来我们以爬取b站追番人数排行榜为例来介绍如何提取Ajax结果：

首先在header中找到请求链接，即Request URL：

接着找到该请求的参数信息：

观察到每次翻页，page参数+1，其他参数没有改变，所以我们每次请求时只需要改变page参数即可。

下面给出代码示例：

1 from urllib.parse import urlencode 2 import requests 3 import time 4 import csv 5 import os 6 7 base_url = "/media/web_api/search/result?" 8 9 headers = {10'Host':'',11'Referer':'/anime/index/',12'User_Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',13'Origin': '',14}1516 def get_page(page):17#参数18params = {19 'season_version':'-1',20 'area': '-1',21 'is_finish': '-1',22 'copyright': '-1',23 'season_status': '-1',24 'season_month':'-1',25 'pub_date': '-1',26 'style_id': '-1',27 'order': '3',28 'st': '1',29 'sort': '0',30 'page': page,31 'season_type':'1',32 'pagesize':'20'33 }34url = base_url + urlencode(params)35try:36 response = requests.get(url,headers=headers,allow_redirects=False)37 #将内容解析为json格式返回38 return response.json()39except requests.ConnectionError as e:40 print('Error',e.args)4142 def parse_page(json):43if json:44 items = json.get('result').get('data')45 for item in items:46 ret = {}47 ret['title'] = item.get('order').get('title')48 ret['score'] = item.get('order').get('score')49 ret['play'] = item.get('order').get('play')50 ret['follow'] = item.get('order').get('follow')51 ret['index_show'] = item.get('index_show')52 ret['is_finish'] = item.get('is_finish')53 yield item54 55 #写入文件56 def write_to_file(items):57with open("bilibili.csv","a+") as csvfile:58 writer = csv.writer(csvfile)59 for item in items:60 print(item)61 writer.writerow([item['order']['follow'],item['title'],item['order']['score'],62 item['order']['play'],item['index_show'],item['is_finish']])63 64 65 def main(offset):66json = get_page(offset)67results = parse_page(json)68write_to_file(results)69return 070 71 72 if __name__ == '__main__':73for page in range(1,11):74 main(offset=page)75 time.sleep(1)76 77

运行结果：