作者yshihyu (yshihyu)
看板Python
標題Re: [問題] 爬取網站的excel檔案
時間Thu Apr 4 15:57:04 2019
※ 引述《jn8029 (魯)》之銘言：
: ※ 引述《yshihyu (yshihyu)》之銘言：
: : https://gist.github.com/shihyu/cafbf8feeb1dbb821084504fcd2c544b // 目前程
式?
: : 我想爬取 http://mopsfin.twse.com.tw/ 網站的excel 文件
: : 目前是從 requests.post 出來結果不是chrome分析的那個頁面
: : 想請問一下可能原因是？
: : 我看chrome 分析會有 jsessionid ? 是要產生這個才可以嘛？
: : Request URL:
: : http://mopsfin.twse.com.tw/compare/data;jsessionid=948EF4B129CCA4E8F4FA1A8
99
: : 還有我看點選excel 下載好像是javascript 功能有辦法透過直接下載嘛？
: : 還是說javascript 必須要用 selenium？
: : 謝謝
: 剛試了一下 可以直接下載
: jsessionid你可以先get首頁之後抓
: 他藏這
: <link rel="icon" type="image/png" href="/resources/images/favicon-32x32.png;
: jsessionid=F353143C92325BE0902E08030FE14F71" sizes="32x32">
: 然後下載excel的url是/export/data 不是compare/data
: 你可以用chrome的developer tool看一下你按下載excel之後他的payload有啥
: 把payload放對 url放/export/data 然後jsessionid放進去
: 就可以了 不用selenium
_____________________________________________________________________________
https://gist.github.com/shihyu/9c62fa9637e336537d3f306486d65109
我先用get 取得 jsessionid, 網址最後在串接 jsessionid
url = '
http://mopsfin.twse.com.tw/export/data;jsessionid=' + jsessionid
res = requests.post(url, headers=headers, verify=False, data = payload)
fp = open("test.xlsx", "wb")
fp.write(res.content)
fp.close()
產生的 test.xlsx 無法打開, 請問可能是什麼原因？
謝謝
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 106.104.121.78
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1554364628.A.E9F.html
1F：→ HenryLiKing: .......04/04 16:05
※ 編輯: yshihyu (106.104.121.78), 04/04/2019 16:26:53
2F：→ be00148: .....04/04 19:02
3F：→ HenryLiKing: 你的問題換了欸 剛剛是請問我該怎麼繼續做(?)04/04 19:39
推 yshihyu
: 因為我後來把 res.content寫成檔案輸出 04/04 19:59
→ yshihyu
: 成 xlsx，但是內容無法開啟 04/04 19:59
※ 編輯: yshihyu (111.71.10.52), 04/04/2019 20:01:55
4F：→ yshihyu: 我大概知道原因了, 是我payload 有些key 是多個 04/04 22:42
5F：→ yshihyu: 所以必須把key : ['value1', 'value2'] 改這樣 04/04 22:43