Python爬虫技术系列-03/4flask结合requests测试静态页面和动态页面抓取

Posted on by hackdl

python构建web服务

flask内容参考:Flask框架入门教程（非常详细）

flask安装与运行测试

安装flask

pip install flask

创建一个webapp.py文件，内容如下

from flask import Flask

# 用当前脚本名称实例化Flask对象，方便flask从该脚本文件中获取需要的内容
app = Flask(__name__)

#程序实例需要知道每个url请求所对应的运行代码是谁。
#所以程序中必须要创建一个url请求地址到python运行函数的一个映射。
#处理url和视图函数之间的关系的程序就是"路由"，在Flask中，路由是通过@app.route装饰器(以@开头)来表示的
@app.route("/")
#url映射的函数，要传参则在上述route（路由）中添加参数申明
def index():
    return "Hello World!"

# 直属的第一个作为视图函数被绑定，第二个就是普通函数
# 路由与视图函数需要一一对应
# def not():
#     return "Not Hello World!"

# 启动一个本地开发服务器，激活该网页
app.run()

运行代码

 python webapp.py

终端输出如下:

& D:/ProgramData/Anaconda3/envs/py10/python.exe d:/zjdemo/webapp.py
 * Serving Flask app 'webapp'
 * Debug mode: off
WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.
 * Running on http://127.0.0.1:5000
Press CTRL+C to quit
127.0.0.1 - - [20/Nov/2023 08:20:47] "GET / HTTP/1.1" 200 -     
127.0.0.1 - - [20/Nov/2023 08:20:47] "GET /favicon.ico HTTP/1.1" 404 -

在浏览器输入

http://127.0.0.1:5000

返回如下

flask返回复杂的html字符串

创建webapp_html_str.py文件，代码如下：

from flask import Flask

# 用当前脚本名称实例化Flask对象，方便flask从该脚本文件中获取需要的内容
app = Flask(__name__)


html_str="""




    
    
    Document


    

        

            th标头
            
            th标头
            
            地址
            
        

        

            td表格单元
            
            td表格单元
            
            上海浦东虹桥某某小区某某地点
            
        

        

            td表格单元
            
            td表格单元
            
            td表格单元
            
        

        

            td表格单元
            
            td表格单元
            
            td表格单元
            
        

    

    
        .u5899e {
            width: 162px;
        }
    




"""

#程序实例需要知道每个url请求所对应的运行代码是谁。
#所以程序中必须要创建一个url请求地址到python运行函数的一个映射。
#处理url和视图函数之间的关系的程序就是"路由"，在Flask中，路由是通过@app.route装饰器(以@开头)来表示的
@app.route("/")
#url映射的函数，要传参则在上述route（路由）中添加参数申明
def index():
    return html_str

# 直属的第一个作为视图函数被绑定，第二个就是普通函数
# 路由与视图函数需要一一对应
# def not():
#     return "Not Hello World!"

# 启动一个本地开发服务器，激活该网页
app.run()

运行
运行代码

 python webapp.py

在浏览器输入

http://127.0.0.1:5000

返回如下

flask返回html页面

返回一个静态html页面

在工程目录下，创建一个templates目录，在templates目录创建a.html文件，代码如下:

DOCTYPE html>
html lang="en">

head>
    meta charset="UTF-8">
    meta name="viewport" content="width=device-width, initial-scale=1.0">
    title>Documenttitle>
head>
body>
    table id="g570b4" border="1">
        tr id="g419fe">
            th id="g16b02">th标头
            th>
            th id="gaae0b">th标头
            th>
            th id="gd78bc" class=" u5899e">地址
            th>
        tr>
        tr id="g5af9b">
            td id="g920bb">td表格单元
            td>
            td id="g9de93" class=" uab6e6">td表格单元
            td>
            td id="gea8dc">上海浦东虹桥某某小区某某地点
            td>
        tr>
        tr id="cf47d6" class=" u0cbcd ">
            td id="c913e3" class=" ud690a ">td表格单元
            td>
            td id="c452e0" class=" uab6e6 ">td表格单元
            td>
            td id="c917b3" class=" u7eb06 ">td表格单元
            td>
        tr>
        tr id="cba81f" class=" u0cbcd ">
            td id="c3dae7" class=" ud690a ">td表格单元
            td>
            td id="c7d0f9" class=" uab6e6 ">td表格单元
            td>
            td id="c9fe10" class=" u7eb06 ">td表格单元
            td>
        tr>
    table>
    style>
        .u5899e {
            width: 162px;
        }
    style>
body>

html>

此时项目结构如下:

创建webapp_html.py文件，代码如下:

from flask import Flask, render_template
 
app = Flask(__name__)
 
 
# “show”与函数index对应
# 运行index函数返回templates目录下的index.html页面
@app.route("/show")
def index():
    return render_template("a.html")
 
 
if __name__ == '__main__':
    app.run()

运行代码

python webapp_html.py

输出如下:

(py10) PS D:zjdemo> & D:/ProgramData/Anaconda3/envs/py10/python.exe d:/zjdemo/webapp_html.py
 * Serving Flask app 'webapp_html'
 * Debug mode: off
WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.
 * Running on http://127.0.0.1:5000
Press CTRL+C to quit
127.0.0.1 - - [20/Nov/2023 08:38:23] "GET / HTTP/1.1" 404 -
127.0.0.1 - - [20/Nov/2023 08:38:28] "GET /show HTTP/1.1" 200 -

浏览器输入:

http://127.0.0.1:5000/show

返回如下:

返回一个动态html页面

在templates目录下创建一个jsdemo.html，代码如下:

DOCTYPE html>
html lang="en">
head>
  meta charset="UTF-8">
  meta http-equiv="X-UA-Compatible" content="IE=edge">
  meta name="viewport" content="width=device-width, initial-scale=1.0">
  title>Documenttitle>
  style>
    fieldset,#d1 {
      padding: 10px;
      width: 300px;
      margin: 0 auto;
    }
  style>
  
head>
body>
  form id="form1" name="form1" method="post" action="">
    fieldset>
      legend>按时legend>
      
      输入表格的行数:input type="text" id="row" value="3" placeholder="请输入表格的行数" required autofocus>br>
      输入表格的列数:input type="text" id="col" value="5" placeholder="请输入表格的列数" required autofocus>br>
      input type="button" id="ok" value="产生表格" onclick="createTable()"/>
    fieldset>
  form>
  div id="d1">div>
  script type="text/javascript">
    function createTable(){
      n=1;
      var str="";var r1=document.getElementById("row").value;var c1=document.getElementById("col").value;for(i=0;ir1;i++)
      {
        str=str+"";for(j=0;jc1;j++)
        {
          str=str+"";}
        str=str+"";}var d1=document.getElementById("d1");
      d1.innerHTML=str+"

      
      
      

        "+(n++)+"

        


      
      

";
    }
    createTable()
  script>
body>
html>

在webapp_html.py中添加如下代码

@app.route("/jsdemo")
def jsdemo():
    return render_template("jsdemo.html")

重新启动web服务，运行代码

```python
python webapp_html.py

输出如下:

(py10) PS D:zjdemo> & D:/ProgramData/Anaconda3/envs/py10/python.exe d:/zjdemo/webapp_html.py
 * Serving Flask app 'webapp_html'
 * Debug mode: off
WARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.
 * Running on http://127.0.0.1:5000
Press CTRL+C to quit

在浏览器中输入

http://127.0.0.1:5000/jsdemo

返回为:

在浏览器中输入

http://127.0.0.1:5000/show

返回为:

通过requests获取静态和动态html页面

创建requestsdemo.py
内容如下:

import requests

url_one = "http://127.0.0.1:5000/show"
url_two = "http://127.0.0.1:5000/jsdemo"

res_one = requests.get(url_one)
print(res_one.content.decode('utf-8'))
print("--------------------------")
res_two = requests.get(url_two)
print(res_two.content.decode('utf-8'))

运行代码，

python .requestsdemo.py

输出如下

(py10) PS D:zjdemo> python .requestsdemo.py
!DOCTYPE html>
html lang="en">

head>
    meta charset="UTF-8">
    meta name="viewport" content="width=device-width, initial-scale=1.0">
    title>Document/title>
/head>
body>
    table id="g570b4" border="1">
        tr id="g419fe">
            th id="g16b02">th标头
            /th>
            th id="gaae0b">th标头
            /th>
            th id="gd78bc" class=" u5899e">地址
            /th>
        /tr>
        tr id="g5af9b">
            td id="g920bb">td表格单元
            /td>
            td id="g9de93" class=" uab6e6">td表格单元
            /td>
            td id="gea8dc">上海浦东虹桥某某小区某某地点        
            /td>
        /tr>
        tr id="cf47d6" class=" u0cbcd ">
            td id="c913e3" class=" ud690a ">td表格单元
            /td>
            td id="c452e0" class=" uab6e6 ">td表格单元
            /td>
            td id="c917b3" class=" u7eb06 ">td表格单元
            /td>
        /tr>
        tr id="cba81f" class=" u0cbcd ">
            td id="c3dae7" class=" ud690a ">td表格单元
            /td>
            td id="c7d0f9" class=" uab6e6 ">td表格单元
            /td>
            td id="c9fe10" class=" u7eb06 ">td表格单元
            /td>
        /tr>
    /table>
    style>
        .u5899e {
            width: 162px;
        }
    /style>
/body>

/html>
--------------------------
!DOCTYPE html>
html lang="en">
head>
  meta charset="UTF-8">
  meta http-equiv="X-UA-Compatible" content="IE=edge">
  meta name="viewport" content="width=device-width, initial-scale=1.0">
  title>Document/title>
  style>
    fieldset,#d1 {
      padding: 10px;
      width: 300px;
      margin: 0 auto;
    }
  /style>

/head>
body>
  form id="form1" name="form1" method="post" action="">        
    fieldset>
      legend>按时/legend>

      输入表格的行数:input type="text" id="row" value="3" placeholder="请输入表格的行数" required autofocus>br>
      输入表格的列数:input type="text" id="col" value="5" placeholder="请输入表格的列数" required autofocus>br>
      input type="button" id="ok" value="产生表格" onclick="createTable()"/>
    /fieldset>
  /form>
  div id="d1">/div>
  script type="text/javascript">
    function createTable(){
      n=1;
      var str="";
      var r1=document.getElementById("row").value;
      var c1=document.getElementById("col").value;for(i=0;ir1;i++)
      {
        str=str+"";for(j=0;jc1;j++)
        {
          str=str+"";}str=str+"";}
      var d1=document.getElementById("d1");
      d1.innerHTML=str+"

      

        "+(n++)+"

        
        


      

";
    }
    createTable()
  /script>
/body>
/html>

可以看见，静态页面的源代码和浏览器渲染后的效果相匹配，但动态页面捕获到的源代码和浏览器渲染后的效果差别较大，无法通过xpath等方法获取数据。

此时工程的完整目录如下:

备注:html渲染的过程
说说页面渲染的过程
浏览器渲染流程（精讲）

总结

本文主要描述了flask安装与返回静态页面和动态页面的过程，并通过requests库分布爬取静态/动态页面，通过比较可以更清晰的了解页面动态渲染的意义，以及引出selenium库的作用。

服务器托管，北京服务器托管，服务器租用，机房机柜带宽租用

服务器托管

咨询：董先生

电话13051898268 QQ/微信93663045！

上一篇:
下一篇: