Python获取jsonp数据

使用python爬取数据时，有时候会遇到jsonp的数据格式，由于不是json的，所以不能直接使用json.loads()方法来解析，需要先将其转换为json格式，再进行解析。在前面讲了jsonp的原理 ，这里就略过一部分。

jsonp的格式

jsonp的内容一般是这样的:

callback({
    "name":"zhangsan",
    "age":18
})

也有有可能是这样的:

callback(
    'name',
    (function(a,b,c){
        return {
            name:a,
            age:b,
            gender:c
        }
    })('孙悟空',18,'男')
)

这里的callback就是一个函数名，这个函数名是由后端返回的，我们需要将这个函数名提取出来，然后将其替换为一个我们自己定义的函数名，然后再将其转换为json格式，再进行解析。

这个函数名一般会包含在get请求的参数中，例如:

<script src="xxx.xxx?callback=cb"></script>

在这个url中，callback=cb是我们传给服务器的参数，我们可以理解为告诉服务器我们需要将数据传入cb这个函数中，然后服务器返回的数据就会以cb(data)的形式返回，例如:

cb({
    "name":"zhangsan",
    "age":18
})

通常情况下服务器返回的数据调用哪个函数由传递的callback参数决定，如果我们将callback的参数改为我们自己定义的函数名，那么服务器就会返回这个函数名。
因此，我们也可以尝试将callback参数填写为空，例如:

import requests
requests.get('xxx.xxx?callback=')

这样服务器就会直接返回数据而不是用函数包裹

通过字符串切片或者正则表达式来提取数据，例如:

import requests
import re
res = requests.get('xxx.xxx?callback=cb')
# 正则表达式提取
data = re.search('cb\((.*?)\)',res).group(1)
# 字符串切片提取
data = res[3:-1] 

使用subprocess库执行js代码，但是jsonp返回的数据中只有一个调用函数的代码，因此我们需要提前定义一个函数，并将内容写入js文件后执行，例如:

import requests
import subprocess

cb_data = requests.get('xxx.xxx?callback=cb').text
# 定义一个函数
js = '''   
function cb(data) {
    console.log(data);
}
'''
# 将函数写入js文件
with open('jsonp.js','w',encoding='utf-8') as f:
    f.write(js+cb_data)

# 执行js文件的同时捕获打印信息
result = subprocess.run('node jsonp.js',shell=True,stout=subprocess.PIPE)
# 将结果转换为json
json = json.loads(res.stdout.decode())
""" json转换时可能会出错,因此可以在定义的函数中将console.log(data) 修改为 console.log( JSON.stringify(data)) """
# 打印转换后的内容
print(json)

以上，简单的介绍了三种获取jsonp数据的方式，如果有错误或不足之处欢迎指正