提问人：leonbear 提问时间：3/19/2019 最后编辑：INDRAJITH EKANAYAKEleonbear 更新时间：3/19/2019 访问量：132
如何使用 api url 返回 null 抓取动态 web？
How to crawl dynamic web with api url returning null?
问：
我有一个任务是抓取所有普利策奖得主，我发现这个页面有我想要的一切：https://www.pulitzer.org/prize-winners-by-year/2018。
但是我遇到了以下问题，
问题 1：如何抓取动态页面？我使用 python/urllib2.urlopen 来获取页面的内容，但这个动态页面不会从中返回真实内容。
问题 2：然后，我从devtool中找到了一个API URL：https://www.pulitzer.org/cache/api/1/winners/year/166/raw.json。但是当我从 urllib2.urlopen 发送 GET 请求时，我总是得到 null。它是如何发生的？或者我该如何处理它？
如果这对你来说太幼稚了，请说出一些词，以便我可以从谷歌学习。
提前致谢！
答：
1赞
Jithin P James
3/19/2019
#1
一种处理方法是使用 requests 模块创建会话。这样，它会传递下一次 api 调用所需的必要会话详细信息，您还必须将另一个参数 Referer 传递给标头。这会区分您在 api 调用中查找的年份。
import requests
s = requests.session()
url = "https://www.pulitzer.org/prize-winners-by-year/2017"
resp1 = s.get(url)
headers = {'Referer': 'https://www.pulitzer.org/prize-winners-by-year/2017'}
api = "https://www.pulitzer.org/cache/api/1/winners/year/166/raw.json"
data = s.get(api,headers=headers)
现在，您可以从 data 中的响应中提取数据。
评论
0赞
leonbear
3/19/2019
谢谢！所以看来 Referer 是关键？您的解决方案有效，现在我正在寻找我没有学到的细节......再次感谢！
评论