很多初学python爬虫的小伙伴们都会遇到python爬虫翻页的问题,我在这里先介绍一种。
需要爬取的网站如图所示
查询的这种植物有四页。当我们平时翻页时,首先想到肯定是点击页面上的下一页,写爬虫也是如此,想提取页面上的链接进行访问。但是这样做很麻烦,并且效率很低。
翻页的方式一般有两种:
1、观察网站翻页时链接变化
2、如果写爬虫的请求方式是post方式请求,则需要观察post的数据的变化是否有规律
今天讲得是第一种方法
如图,当我点击下一页时,观察到地址栏的链接变化
在链接中我们可以惊喜的发现,有page关键字,而且恰好为2,我们试验一下,将链接中page的值改为3,发现正常访问,正好是第三页。因此,我们找到了翻页方式,更改链接中关键字的值。
因此翻页过程步骤为:
1、获取总网页数目
2、利用for循环改变page的值,进行翻页。
具体翻页代码