Python 网页抓取-识别和执行请求；故障排除

我在从以下网站抓取数据时遇到一些问题：

当我们加载页面时，它会加载圣保罗市real state的前30篇帖子。 如果我们向下滚动，它会加载更多的帖子

通常我会使用selenium来解决这个问题——但我想学习如何正确地完成它——我想这是通过处理请求实现的

通过在chrome上使用inspect，并观察向下滚动时发生的情况，我可以看到一个请求，我想这就是检索新帖子的原因

如果将其内容复制为curl，则会得到以下命令：

curl "https://landscape-api.loft.com.br/listing/search?city=S^%^C3^%^A3o^%^20Paulo^&facetFilters^\[^\]=address.city^%^3AS^%^C3^%^A3o^%^20Paulo^&limit=18^&limitedColumns=true^&loftUserId=417b37df-19ab-4014-a800-688c5acc039d^&offset=28^&orderBy^\[^\]=rankB^&orderByStatus=^%^27FOR_SALE^%^27^%^2C^%^20^%^27JUST_LISTED^%^27^%^2C^%^20^%^27DEMOLITION^%^27^%^2C^%^20^%^27COMING_SOON^%^27^%^20^%^2C^%^20^%^27SOLD^%^27^&originType=LISTINGS_LOAD_MORE^&q=pin^&status^\[^\]=FOR_SALE^&status^\[^\]=JUST_LISTED^&status^\[^\]=DEMOLITION^&status^\[^\]=COMING_SOON^&status^\[^\]=SOLD" ^
  -X "OPTIONS" ^
  -H "Connection: keep-alive" ^
  -H "Accept: */*" ^
  -H "Access-Control-Request-Method: GET" ^
  -H "Access-Control-Request-Headers: loft_user_id,loftuserid,utm_campaign,utm_content,utm_created_at,utm_id,utm_medium,utm_source,utm_term,utm_user_agent,x-user-agent,x-utm-source,x-utm-user-id" ^
  -H "Origin: https://www.loft.com.br" ^
  -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36" ^
  -H "Sec-Fetch-Mode: cors" ^
  -H "Sec-Fetch-Site: same-site" ^
  -H "Sec-Fetch-Dest: empty" ^
  -H "Referer: https://www.loft.com.br/" ^
  -H "Accept-Language: en-US,en;q=0.9" ^
  --compressed

我不确定哪种方法是将其转换为python模块请求中使用的命令的正确方法，因此我使用了这个网站

结果是：

import requests

headers = {
    'Connection': 'keep-alive',
    'Accept': '*/*',
    'Access-Control-Request-Method': 'GET',
    'Access-Control-Request-Headers': 'loft_user_id,loftuserid,utm_campaign,utm_content,utm_created_at,utm_id,utm_medium,utm_source,utm_term,utm_user_agent,x-user-agent,x-utm-source,x-utm-user-id',
    'Origin': 'https://www.loft.com.br',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36',
    'Sec-Fetch-Mode': 'cors',
    'Sec-Fetch-Site': 'same-site',
    'Sec-Fetch-Dest': 'empty',
    'Referer': 'https://www.loft.com.br/',
    'Accept-Language': 'en-US,en;q=0.9',
}

params = (
    ('city', 'S\xE3o Paulo'),
    ('facetFilters/[/]', 'address.city:S\xE3o Paulo'),
    ('limit', '18'),
    ('limitedColumns', 'true'),
    ('loftUserId', '417b37df-19ab-4014-a800-688c5acc039d'),
    ('offset', '28'),
    ('orderBy/[/]', 'rankB'),
    ('orderByStatus', '\'FOR_SALE\', \'JUST_LISTED\', \'DEMOLITION\', \'COMING_SOON\' , \'SOLD\''),
    ('originType', 'LISTINGS_LOAD_MORE'),
    ('q', 'pin'),
    ('status/[/]', ['FOR_SALE', 'JUST_LISTED', 'DEMOLITION', 'COMING_SOON', 'SOLD']),
)

response = requests.options('https://landscape-api.loft.com.br/listing/search', headers=headers, params=params)

但是，当我尝试运行它时，会得到一个204

因此，我的问题是：

识别本网站请求的正确/最佳方式是什么？有没有比我做的更好的选择

一旦确定，复制为curl是复制命令的最佳方式吗

如何在Python中最好地复制该命令

为什么我会得到204分

1-你做得很对！我已经用同样的方法做了很长一段时间了，根据我在网络垃圾处理方面的经验，使用

你的浏览器网络选项卡

是迄今为止获取网站请求信息的最佳方式，比我所知道的任何“扩展”和/或“插件”都要好！！！在

kali-linux

或windows上也有“打嗝服”，但浏览器上的“网络”选项卡始终是我的首选

2-我一直在使用你提到的同一个网站！！！它让我的生活更轻松，工作也更顺畅。当然，你可以手动操作，但是你提到的网站让我更容易、更快，而且我已经用了很长时间了

3-你可以手动完成，这很简单，但正如我所说，你提到的网站使它更容易和更快

4-这可能是因为您正在使用

请求。选项
，我会尝试使用
请求。取而代之的是获取

您查找请求的方法是正确的。但您需要找到并分析正确的请求。

关于为什么得到204个响应代码而没有结果；您发送
选项
请求，而不是
获取
。在ChromeDevTools中，您可以看到两个类似的请求（查看附件图片）。一个是
选项
，第二个是带类型的
获取。

对于网站，您需要第二个选项，但您在代码
请求中使用了
选项
要查看请求的响应，请选择它并选中响应或预览选项卡

Python中最好的HTTP库之一是

下面是获取所有搜索结果的完整代码：

import requests

headers = {
    'x-user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_2_0) AppleWebKit/537.36 (KHTML, like Gecko) '
                    'Chrome/88.0.4324.146 Safari/537.36',
    'utm_created_at': '',
    'Accept': 'application/json, text/plain, */*',
}

with requests.Session() as s:
    s.headers = headers

    listings = list()
    limit = 18
    offset = 0
    while True:
        params = {
            "city": "São Paulo",
            "facetFilters/[/]": "address.city:São Paulo",
            "limit": limit,
            "limitedColumns": "true",
            # "loftUserId": "a2531ad4-cc3f-49b0-8828-e78fb489def8",
            "offset": offset,
            "orderBy/[/]": "rankA",
            "orderByStatus": "\'FOR_SALE\', \'JUST_LISTED\', \'DEMOLITION\', \'COMING_SOON\' , \'SOLD\'",
            "originType": "LISTINGS_LOAD_MORE",
            "q": "pin",
            "status/[/]": ["FOR_SALE", "JUST_LISTED", "DEMOLITION", "COMING_SOON", "SOLD"]
        }
        r = s.get('https://landscape-api.loft.com.br/listing/search', params=params)
        r.raise_for_status()

        data = r.json()
        listings.extend(data["listings"])

        offset += limit
        total = data["pagination"]["total"]
        if len(data["listings"]) == 0 or len(listings) == total:
            break

print(len(listings))

鲁维是对的。您需要从
请求。选项
更新到
请求。获取
。然后可以使用
response.json（）
检索结果。