[python]利用urllib+urllib2解决爬虫分页翻页问题

最近因为公司的自动化测试工具须要将测试结果导出到excel中，奈何没有学SSH，致使没法在工具自己中添加（工具是开发作的），故转而使用python爬虫来作，开发过程当中遇到了一个问题：

　　因为测试结果太多，须要翻页，而翻页时网址没有变化，这就致使抓取的时候无法依照网址去爬，遂去网上查找解决方法，最后找到利用urllib2提交post的方法来解决。

解决过程：

　　

网址不变，而若是是用selenium的话，我又以为太慢，毕竟selenium是用来作验收测试的，不是用来爬数据的。言归正传，利用urllib2提交post的方法来获取翻页数据的话，首先的找到网页对应的post，首先我找到了这个：

{'topage':'3'}

 

和这个：

{'pageNow':'3'}

(后者是正确的)

这须要你们本身去网页里找规律，不必定被放到了哪一个位置，我由于工具是公司开发写的，我在他的页面代码里找到了以下这段：

因此肯定是{'pageNow':'3'}是对的。

 

既然找到post的键值，那接下来的事就简单了：

 1  2 url = 网络地址
 3 #须要提交给表单键值对
 4 query = {'pageNow':'3'}
 5 
 6 #urllib.urlencode(query[, doseq])：将dict或者包含两个元素的元组列表转换成url参
 7 #数。例如 字典{'name': 'dark-bull', 'age': 200}将被转换为"name=dark-bull&
 8 #age=200"
 9 date = urllib.urlencode(query)
10 #向服务器端发送请求
11 post = urllib2.Request(url,date)
12 #接收服务端返回的内容
13 response  = urllib2.urlopen(request)
14 #转化为页面代码
15 page = response.read()
16 
17 
18 print page

以上，控制台上显示出来的就是第三页的代码，这时你们就能够用正则去匹配本身须要的东西了\(^o^)/~