也曾多次迷茫过，该如何爬取动态网页。
静态网页的爬取，无非就那么几下子，再怎么来也是解析和算法的设计问题了，但总有种不知道该怎么进步的感觉。
由于身边的动态网页太多，要想练练手，接触到动态网页的机会实在是太多了。
对于动态网页的爬取，一般来说，有两招：
- Selenium技术，俗称“霸王硬上弓”。
通俗易懂。这项技术，也有个名字叫做自动化测试，也就是说，自动的打开浏览器，自动的运行起来。想想其实这个也是很酷的。
但说实话，这个东西一般很少用。原因很简单。因为这个实在是太慢了（模拟人使用网页的方式，比电脑还是慢很多的啦~）。不过了，要是对于爬虫的理解还不够，先学学这个也挺好的。
为什么呢？ 这个库，除了安装的时候需要将自动化的 浏览器driver放到python所在路劲下以外，其他都是一样，直接安装包就好了。 要说到它的使用，只能说这个好用，它代码写的太漂亮了，所有的函数都是跟英语一样。你只要看到函数名，基本上就可以知道这个函数是干嘛的呢。这么看来，这个库确实适合理解了点静态网页的新手还是非常友好的！
当然，肯定还是有很多其他类似技术的，但这些都是技术类爬取方式，掌握一个也就够了。下面的方法才是正道
- 理解网页！
别看我说的很浮夸的样子，其实就是这么简单。
首先，我假设各位已经掌握了静态网页的爬取，那么，我想各位肯定是对正则表达式，lxml，bs4。这些库都已经很熟悉了。
其次，你需要理解网页呈现的过程。其实非常简单，无非就是，浏览器给服务器发请求；服务器接受到请求之后，检验请求，并根据得到的信息，返回相应的网页代码和渲染方式， 本地浏览器接受到了这些东西之后，就在本地浏览器的显式框上进行展示。 就这么简单。 这也就是为什么chrome还有firefox等浏览器那么容易就 可以得到网页的源代码了。
上面两步其实都非常容易完成，只要你是学过静态网页爬取的
再来， 你必须要有一个好的工具。我一般是选择用Chrome，但据我所知，FireFox在这方面也是很强大的。在这，我做了一个如何用好Chrome进行爬虫的展示，点击这里可以看
最后，通过上面的使用类似Chrome这样强大的工具，你是很容易得到，浏览器是如何得到这些信息的。你知道方法之后，那么？请问你知道方法之后，还不能自己用静态网页的类似的方法给拿到么？
（动态的网页的信息， 不是用原来的网页本身的代码，而是要看具体的Request URL，有些人的网页甚至是在request到一个完全没有听说过的域名上，然后再从那掉过来的）
最后，想说的是。那个网页只要找到了对应的想要的包的请求方法，就直接看Chrome是怎么得到对应为网页信息的。自己做类似的操作，就可以进行所谓的动态网页爬取了。
其实就这么简单，希望能帮到更多的人吧。当然，欢迎有不同意见的人进行讨论和指正！
网友评论