请教一个 python 爬虫的小问题

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 3249 天前的主题，其中的信息可能已经有所发展或是发生改变。

RT ，我用 pyquery 爬知乎主页，然后因为貌似知乎主页是异步加载的（浏览器拉到底部，它就自动加载更多的条目），我只能获取大概 20 个问题。
请问怎么做能获取更多的问题呢？（点一下那个“更多”的按钮，然后就爬到更多的问题）

知乎

主页

pyquery

Python

19 条回复 • 2016-01-06 11:38:24 +08:00

cdwyd

2016-01-03 16:54:21 +08:00

f12,点一下按钮，看请求

wowpanda

2016-01-03 16:59:40 +08:00

@cdwyd 在下拉过程中，它就会自动加载更多的内容啊，这个怎么做？

just1

2016-01-03 17:03:20 +08:00 via Android

其实跟 python 一点关系都没有，应该到问与答

just1

2016-01-03 17:03:58 +08:00 via Android

分析加载更多的请求，模拟就可以了

bdbai

2016-01-03 17:07:44 +08:00 via iPhone

f12,点一下按钮，看请求

vmebeh

2016-01-03 17:08:39 +08:00

其实是 js 监听页面滚动，当滚动到页面底部时 ajax 请求更多内容添加到 dom 树
F12 查看 XHR 可破

saberlion

2016-01-03 17:45:44 +08:00 via Android

爬知乎有很多程序

woorz

2016-01-03 17:58:07 +08:00

知科有 api 的吧

wowpanda

2016-01-03 19:29:07 +08:00

@saberlion 额， github 上没搜到爬主页的啊，另外我也想自己写，不太想看别人写的

ianisme

2016-01-03 19:44:53 +08:00

抓他们的 APP 看看

cheneydog

2016-01-03 19:47:31 +08:00

ajax 的更好做了

Caratpine

2016-01-03 19:57:58 +08:00

补充一点 HTTP 协议相关的知识，如 1 ， 6 楼所说打开开发者工具，看看异步加载时，发生的 HTTP 请求。
![zhihu]( http://i4.tietuku.com/e6bd5419681e5fca.png)

wowpanda

2016-01-03 20:22:28 +08:00

@Caratpine 非常感谢

geekqiao

2016-01-03 20:31:51 +08:00

首页的内容是 post 到“ https://www.zhihu.com/node/TopStory2FeedList ”，
带有表单数据： params ， method 和_xsrf 。

7sDream

2016-01-03 20:46:28 +08:00

https://github.com/7sDream/zhihu-py3

随便看一个需要异步加载的内容是咋获取的。

比如 answer 的 upvoter 函数，稍微看一下应该就会啦。

（另外，「不想看别人写的」这个想法稍微有点走偏了呀～～其实提问和看代码没有本质不同呐）

wowpanda

2016-01-03 22:36:54 +08:00

@7sDream 哈哈，我的意思是想尽量通过提问或者资料来思考怎么写，要不然一上来就看别人写的代码总觉得是不是偷懒的行为。另外，我也是卡在了爬主页上，所以就没有考虑去看 upvoter 是怎么弄得，^_^）

wd0g

2016-01-03 22:52:10 +08:00

一般的都有规,你越往下拉某个参数的值越大或越小
自己多拉几次页面,对比下 URL 就知道了

lixiaohan

2016-01-04 10:10:41 +08:00

都是有规则的请求应该是 offset 变化你可以模拟一下

waner55

2016-01-06 11:38:24 +08:00

当然是 selenium ， http://selenium-python.readthedocs.org/getting-started.html#simple-usage