白夜行

火车头使用Post方法采集Ajax页面教程_我的网站

A |           　　目前，西北太平洋和南海海域正在上演着“四台共舞”，今年第18号台风“沙德尔”、第19号台风“紫檀”和第20号台风“简拉维”、第21号台风“艾莎尼”同时活跃。    

　    阿里云优惠券 先领券再下单        前面有写过一篇瀑布流的采集方法，今天在添加一个POST方法来采集Ajax刷新页面的教程。    之前的文章请看：火车头采集动态加载Ajax数据（无分页瀑布流网站）    如果遇到POST方法来架子Ajax数据，这和我之前写的是两个类型，瀑布流是直接刷新出数据的页面。    采集网站分析    采集任何一个新站前我们都要对他进行一番分析才好下手。气象数据统计显示，今年，西北太平洋和南海已有21个台风生成，较历史同期偏多9个。     　　随着今年第21号台风“艾莎尼”的生成，气象专家介绍，它可能与台风“沙德尔”产生互旋，并为台风“沙德尔”提供更多水汽，成为影响“沙德尔”进入东海后的路径和强度的重要因素之一。

B | 　　受厄尔尼诺影响　　今年台风生成偏多      　　为什么今年台风这么多?气象专家介绍，这与当前的厄尔尼诺状态密切相关。      　　在厄尔尼诺背景下，容易导致大西洋飓风生成受到抑制、个数偏少，但西太平洋的台风活动则会更加活跃。    列表页分析    这个网站的列表页，前面并不是通过Ajax加载的。

C | 从目前台风生成个数来看，符合厄尔尼诺年的台风活动特点。CTRL+U可以直接看到列表内容，通过浏览器也看不到相关请求地址。    

    因为习惯原因，我直接看了下尾页列表页。

D | 然后顺手CTRL+U看看网站代码结构有没有大的变化。　　台风影响持续　　无明显间歇期      　　中央气象台预计，四个台风对我国华东和华南地区的影响是一个连续过程，无明显间歇期。

E | 专家建议要警惕持续强降雨引发的次生灾害及风雨叠加效应。      　　台风“紫檀”影响时间长、范围广，部分地区可能因强降水导致山洪、泥石流、滑坡及城市内涝、农田渍涝等灾害，需提前做好防御准备。     　　“沙德尔”未来将正面影响我国华东沿海地区，强度较强、致灾风险高。

F | 请公众及时关注中央气象台发布的台风预警信息，做好相关防御准备工作。防止后期采集出错。结果就发现无法看到列表内容。

G |      　　(总台央视记者 吴薇)。浏览器可以看到一个通过post请求的地址。    

    这时候就意识到这网站列表页可能后面的应该全是通过Ajax加载的。    通过笨方法，手动访问页面看看Ajax加载大概是哪些。最后找到大概从2200页左右开始Ajax加载。    那我们采集的时候，前面的列表页就可以使用普通方式去采集（速度更快）。

H |     2200页开始到尾页就通过post请求Ajax页面数据。    抓包获取Post数据    这个Ajax地址我在浏览器看不到任何跟页码有关的数据。最后只能使用抓包工具看一下详细的请求内容了。    

    使用抓包工具Fiddler    Fiddler下载地址：OneDrive-Fiddler-Setup_v5.0.20204.45441.zip    安装设置完成后我们打开浏览器。重新访问一下采集页面，Fiddler会抓到很多请求地址。    查看分析Post数据    Ctrl+F 我们搜索那个Ajax地址        Fiddler会以黄色将搜索到的结果显示出来，我们点击一下他。        在Fiddler右侧会显示这个请求地址的相关详细信息。        信息顶部可以看到是post请求方法。    可以看到有我们请求的页码相关内容。        访问不同页码的页面，经过研究发现规律。        currentPageIndex的值和页码相关，值等于页码减一。我们访问6139页时，currentPageIndex值是6138。    这就找到了规律，我们打开火车头采集器。

I |     火车头采集器配置分页设置    起始网址填入Ajax请求地址    

    点“高级模式”。        点“分页设置”，http请求方式“post”。        把我们Fiddler抓包获取的内容填进去。        将currentPageIndex值的内容替换成火车头采集器的“分页”标签。        下面填入页码。

J |     页面地址是从2200到6140，上面我们分析得出post请求内容的currentPageIndex值是实际页码减一。所以这里面我们填2199到6139.    

    网址获取选项设置    为了筛选出我们需要的内容，我们设置一下网址获取选项。    打开浏览器F12开发工具，预览一下Ajax获取的内容。

K |     

    可以看到链接的形式是    自考成考报名条件有哪些？    完整的链接地址是    https://域名/chengrenzikao/20200611152022.html    那我们就可以使用下面的规则提取地址。

L |     

    我们测试一下网址采集。    测试网址采集    点击测试可能提示“post请求必须选择网页编码”我们在火车头其他设置中将编码选为“UTF8”即可。        可以看到已经正确获取到了链接。不放心可以复制链接实际访问一下看看是否正确。

M |     

    注意事项    采集过程注意运行线程和请求间隔时间。教程在测试时因为开的线程较多，频率过高导致对方网站开启了防CC设置。拉黑了我一个服务器IP，此教程写完用了两台服务器。    我们实际采集可以只开1个线程，并设置合适的间隔时间，比如1000ms到1500ms左右。    本文来自2号站长网，转载请注明出处：https://www.zz2zz.com/331414.html

        

    

申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！。

Current article:http://a9cwqjf.panningbuquanchencaibingzhang.cyou/list_j76ys/73b.html

Published on:05:10:57