使用 Python 如何爬取这样的数据 BeautifulSoup？request？

Question

用于测试的链接是这样的

http://www.zhcw.com/ssq/kjgg/10006509.shtml

Answer 1

通过查找，发现这些数据是加载完页面再由JS动态写入的：

接着来找zj，上面两行有：

zj = obj[0];
obj = con;
// 所以
zj = con[0];
// 又因为
con = eval((con.substring(con.indexOf("["), con.indexOf("]") + 1)));

其中，con为$.trim($('#currentScript').html().replace('<div>', '').replace('</div>', ''))
也就是，将$('#currentScript').html()的内容，去掉div标签后，过滤首尾空白字符后，取[到]中的数据，当做JSON解析。

这部分操作可以通过Python完成，所以，先用Python的BeautifulSoup找到#currentScript，再手动替换，然后当做JSON解析即可

code = '....' # HTML代码
soup = BeautifulSoup(code, ...) # 创建soup对象
json = soup.find(id = 'currentScript'); # 此处，等价于获取con初始值

# 替换div
json = json.replace('<div>', '')
json = json.replace('</div>', '')

# $.trim等价
json = json.strip()

# 找到[和]中间的数据，拆成JSON
# cut_start和cut_end只是用于标记起始位置，类似上面的con.indexOf("[")和con.indexOf("]")
# 为了方便理解，单独写了
cut_start = json.find('[')
cut_end = json.find(']')

json = json[cut_start:cut_end + 1]

这样，就可以得到一个JSON字符串了，然后放到python的JSON解析器解析成JSON对象，这个你自己写吧。

Answer 2

from pyquery import PyQuery as Q
import requests
import json

r = requests.get('http://www.zhcw.com/ssq/kjgg/10006509.shtml')
str = Q(r.content)('#currentScript').html()
info = json.loads(str)[0]
print info