Ajax介绍及爬取哔哩哔哩番剧索引追番人数排行

　　Ajax，是利用JavaScript在保证页面不被刷新，页面链接不改变的情况下与服务器交换数据并更新部分网页的技术。简单的说，Ajax使得网页无需刷新即可更新其内容。举个例子，我们用浏览器打开新浪微博，进入某个用户的页面，当我们浏览到该页末尾时，会出现一个加载的动画，然后就刷新出来的新的微博内容，这个过程并不需要我们手动的刷新网页。

　　Ajax的原理：发送Ajax请求到网页更新的这个过程可分为三步：

　　　　1.发送请求

　　　　2.解析内容

　　　　3.渲染网页

　　详细的原理介绍可参照：https://www.cnblogs.com/wanghp/p/6991554.html

　　简单的说，JavaScript新建了一个XMLHttpRequest对象，然后调用onreadystatechange属性设置了监听，然后调用open()方法和send()方法向服务器发送了请求，当服务器返回响应时，监听对应的方法便会触发，然后在方法里解析响应的内容，从而实现了无需刷新便能更新网页。

　　那么如何查看Ajax请求呢？以爬取哔哩哔哩番剧索引追番人数排行为例，我们使用Chrome浏览器打开https://www.bilibili.com/anime/index/#season_version=-1&area=-1&is_finish=-1&copyright=-1&season_status=-1&season_month=-1&pub_date=-1&style_id=-1&order=3&st=1&sort=0&page=1，并按F12打开开发者工具，如图所示：

在开发者工具中切换到Network选项卡，然后重新刷新页面，筛选XHR请求类型，如图所示：

在左边找到我们需要爬取的Ajax请求，即

点击header可以查看该请求的header信息，之后我们会用到。

Preview是该请求返回的响应内容，包含了我们所要爬取的信息。

接下来我们以爬取b站追番人数排行榜为例来介绍如何提取Ajax结果：

首先在header中找到请求链接，即Request URL：

接着找到该请求的参数信息：

观察到每次翻页，page参数+1，其他参数没有改变，所以我们每次请求时只需要改变page参数即可。

下面给出代码示例：

from urllib.parse import urlencode
import requests
import time
import csv
import os

base_url = "https://bangumi.bilibili.com/media/web_api/search/result?"

headers = {
    'Host':'bangumi.bilibili.com',
    'Referer':'https://www.bilibili.com/anime/index/',
    'User_Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
    'Origin': 'https://www.bilibili.com',
    }
    
def get_page(page):
    #参数
    params = {
        'season_version':'-1',
        'area': '-1',
        'is_finish': '-1',
        'copyright': '-1',
        'season_status': '-1',
        'season_month':'-1',
        'pub_date': '-1',
        'style_id': '-1',
        'order': '3',
        'st': '1',
        'sort': '0',
        'page': page,
        'season_type':'1',
        'pagesize':'20'
        }
    url = base_url + urlencode(params)
    try:
        response = requests.get(url,headers=headers,allow_redirects=False)
        #将内容解析为json格式返回
        return response.json()
    except requests.ConnectionError as e:
        print('Error',e.args)
    
def parse_page(json):
    if json:
        items = json.get('result').get('data')
        for item in items:
            ret = {}
            ret['title'] = item.get('order').get('title')
            ret['score'] = item.get('order').get('score')
            ret['play'] = item.get('order').get('play')
            ret['follow'] = item.get('order').get('follow')
            ret['index_show'] = item.get('index_show')
            ret['is_finish'] = item.get('is_finish')
            yield item
            
#写入文件
def write_to_file(items):
    with open("bilibili.csv","a+") as csvfile:
        writer = csv.writer(csvfile)
        for item in items:
            print(item)
            writer.writerow([item['order']['follow'],item['title'],item['order']['score'],
                item['order']['play'],item['index_show'],item['is_finish']])
            

def main(offset):
    json = get_page(offset)
    results = parse_page(json)
    write_to_file(results)
    return 0


if __name__ == '__main__':
    for page in range(1,11):
        main(offset=page)
        time.sleep(1)
        
        

运行结果：