在执行爬虫项目的过程中,有时返回的不是一个html页面而是json格式数据,此时对数据的解析非常重要。
1.Json格式数据的爬取
采用request对以上的url进行爬取:
import requests
content=requests.get(url,headers=headers).content
在爬取的过程中,考虑到需要模拟真实的用户,因此需要添加cookie或者header参数。
2.对爬取的json格式数据的解析
数据已经爬取下来,存放在contend里面,接下来就是对数据的处理
可以在 www.bejson.com 中使json数据能够结构化显示
对于这个数据的解析可以采用采用正则表达式解析
import re
project = re.findall(r\'"title":(.*?),\', content)
使用正则提取title字段