推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
问一个爬虫的问题。。假若遇到浏览器中显示的内容，和通过右键看到的网页源码不一样的情况用 Python 如何爬取内容呢？？
yanwen · yanwen · 2016-08-03 17:54:26 +08:00 · 11535 次点击这是一个创建于 3034 天前的主题，其中的信息可能已经有所发展或是发生改变。
 |
1
bdbai 2016-08-03 20:00:39 +08:00 via Android  1
你要获取内荣啊，基本上两个思路，一个 Selenium 模拟，另一个分析产生的网络请求然后手动模拟。前者简单，后者效率高。
|
 |
2
lululau 2016-08-03 20:14:02 +08:00 via iPhone 1
phantomjs
|
 |
3
mornlight 2016-08-03 21:07:02 +08:00 1
不一致不是在反爬虫，是异步加载导致的，右键查看页面源码的时候可能没包含 JS 插进去的内容，比如 Chrome 查看源码会重新页面请求一次，你应该用审查元素来看。
异步加载的内容需要通过模拟接口的请求来获取内容。 |
 |
4
cszhiyue 2016-08-03 22:11:46 +08:00 1
phantomjs 或者 分析 ajax 调用
|
 |
5
isbase 2016-08-03 22:45:55 +08:00 via Android 1
推荐 Nightmare
|
 |
6
franklinyu 2016-08-04 00:38:19 +08:00 1
@mornlight JavaScript 插進去的不算「源碼」吧？爬蟲也不會渲染 JavaScript 部分吧？
|
 |
7
xiaoshangmin 2016-08-04 00:43:19 +08:00 via iPhone 1
netnetwork 仔细分析其中的 ajax
|
 |
8
abxialiang 2016-08-04 06:19:54 +08:00 1
一个是模拟浏览器实现全部加载后再解析
二个是在浏览器里抓包看下,你要的内容是怎么请求到的,直接仿照这个请求就可以 往往第二个高效直接,当不同网站分析难度不同 |
 |
9
billion 2016-08-04 07:34:25 +08:00 1
这种情况是因为网页动态加载实现的。
我不建议使用 Selenium ，因为速度太慢。我建议使用 Chrome 的检查功能来帮助你获取内容。 我在极客学院有一课专门讲了这种情况的处理方式，请看： http://www.jikexueyuan.com/course/1713.html |
 |
10
slysly759 2016-08-05 13:55:26 +08:00 1
@billion 活捉老师一枚哈哈哈哈~
另外，题主是没有弄明白 js 调用在 html 页面顶多写一个 script 要的内容是动态展现的 比如我加一个 table 然后用 js 调取数据填入，这就是爬虫眼中所谓的 ajax 啦 很多时候是前端基础太差 不怪别人反扒~ |
 |
11
rocuku 2016-08-06 07:33:51 +08:00 via iPhone
推荐 firefox 的 httpfox ，抓包看看前台显示的东西是通过哪个请求来的
|
Select Language