基于Python的Post请求数据爬取

为什么做这个

• 和同学聊天，他想爬取一个网站的post请求

观察

• 该网站的post请求参数有两种类型：（1）参数体放在了query中，即url拼接参数（2）body中要加入一个空的json对象，关于为什么要加入空的json对象，猜测原因为反爬虫。既有query参数又有空对象体的body参数是一件脑洞很大的事情。
• 一开始先在apizza网站上了做了相关实验才发现上面这个规律的，并发现该网站的请求参数要为raw形式，要是直接写代码找规律不是一件容易的事情。

源码

import requests
import json
headers = {
        'Accept':'application/json, text/javascript, */*; q=0.01',
        'X-Requested-With':'XMLHttpRequest',
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36',
        'Content-Type':'application/json',
        'Accept-Encoding':'gzip, deflate',
        'Accept-Language':'zh-CN,zh;q=0.8',
        'Cache-Control':'no-cache',
    }
#空的对象，body参数
data = {}
data = json.dumps(data)
page = 0

url = '网站地址，后面为参数?param1=1&param1='+str(page)
response = requests.post(url = url,data=data ,headers =headers )
print(response.url)
print(response.text)

总结

• 现在相关工具中发现现象
• 请求方式确定：post还是get或者其它
• 参数类型：form-data还是raw或者其它
• 参数位置：若是post请求，在query中还是body中，还是二者皆有