在现代 Web 开发中，AJAX（Asynchronous JavaScript and XML） 技术被广泛应用于动态加载数据，使得网页能够在不刷新的情况下更新内容。然而，这也给传统爬虫带来了挑战——使用 requests + BeautifulSoup 只能获取初始 HTML，而无法捕获 AJAX 返回的动态数据。
解决方案：
- Selenium + ChromeDriver：模拟浏览器行为，等待 AJAX 数据加载完成后再抓取。
- 直接分析 AJAX 请求：通过 Chrome DevTools 捕获 API 接口，用
requests直接请求数据（更高效）。
本文将详细介绍 Python + Chrome 如何抓取 AJAX 动态数据，并提供两种方法的完整实现代码。
1. 理解 AJAX 动态加载
1.1 AJAX 工作原理
- 用户访问网页 → 浏览器加载初始 HTML。
- JavaScript 发起 AJAX 请求（通常是
fetch或XMLHttpRequest）。 - 服务器返回 JSON/XML 数据 → 前端动态渲染到页面。
1.2 传统爬虫的问题
import requests from bs4 import BeautifulSoup response = requests.get("https://example.com") soup = BeautifulSoup(response.text, "html.parser") # 只能获取初始 HTML，无法得到 AJAX 数据！
2. 方法 1：使用 Selenium + Chrome 模拟浏览器
2.1 环境准备
安装必要的库
2.2 示例：爬取动态加载的新闻列表
假设目标网站（如新浪新闻）通过 AJAX 加载更多新闻。
from selenium import webdriver from selenium.webdriver.chrome.service import Service from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.chrome.options import Options from webdriver_manager.chrome import ChromeDriverManager import time # 设置代理信息 proxyHost = "www.16yun.cn" proxyPort = "5445" proxyUser = "16QMSOML" proxyPass = "280651" # 配置 Chrome 代理 chrome_options = Options() chrome_options.add_argument(f"--proxy-server=http://{proxyUser}:{proxyPass}@{proxyHost}:{proxyPort}") # 启动 Chrome driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()), options=chrome_options) driver.get("https://news.sina.com.cn/") # 等待 AJAX 内容加载（假设新闻列表通过 AJAX 渲染） try: WebDriverWait(driver, 10).until( EC.presence_of_element_located((By.CSS_SELECTOR, ".news-item")) ) except: print("超时，未找到新闻列表") # 提取新闻标题和链接 news_items = driver.find_elements(By.CSS_SELECTOR, ".news-item") for item in news_items: title = item.find_element(By.CSS_SELECTOR, "a").text link = item.find_element(By.CSS_SELECTOR, "a").get_attribute("href") print(f"标题: {title}\n链接: {link}\n") # 关闭浏览器 driver.quit()
2.3 关键点说明
WebDriverWait：显式等待 AJAX 数据渲染完成。EC.presence_of_element_located：检查目标元素是否已加载。find_elements+ CSS/XPath：定位动态生成的内容。
3. 方法 2：直接抓取 AJAX API 数据（更高效）
3.1 分析 AJAX 请求
- 打开 Chrome → F12（开发者工具） → Network（网络） 标签页。
- 刷新页面，筛选 XHR/fetch 请求。
- 找到返回目标数据的 API 接口（通常是
json格式）。
3.2 示例：爬取豆瓣电影 AJAX 数据
豆瓣电影首页通过 AJAX 加载热门电影列表。
步骤 1：分析 API
- 打开
https://movie.douban.com→ F12 → Network → 筛选 XHR。 - 发现 API：
https://movie.douban.com/j/search_subjects?...
步骤 2：用 Python 直接请求 API
import requests import json # 豆瓣电影 AJAX API url = "https://movie.douban.com/j/search_subjects?type=movie&tag=热门&sort=recommend&page_limit=20&page_start=0" headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36" } response = requests.get(url, headers=headers) data = response.json() # 直接解析 JSON # 提取电影信息 for movie in data["subjects"]: print(f"电影名: {movie['title']}") print(f"评分: {movie['rate']}") print(f"链接: {movie['url']}\n")
3.3 优势与限制
- 优势：速度快，无需加载完整页面。
- 限制：需手动分析 API，部分接口可能有加密或鉴权。
7. 总结
方法 |
适用场景 |
优点 |
缺点 |
Selenium |
复杂动态渲染页面 |
能模拟完整浏览器行为 |
速度慢，资源占用高 |
直接请求 API |
结构化数据（如 JSON） |
高效，速度快 |
需手动分析接口，可能受限 |
最佳实践建议
- 优先分析 AJAX API：如果目标网站有清晰的接口，直接请求更高效。
- Selenium 备用：适用于无法直接获取 API 或需要交互的页面。
- 遵守 Robots.txt：避免高频请求，防止被封禁。
