爬虫必备技巧

• 了解HTML
  • 会使用HTML标签构造页面，知道如何解析出DOM里标签，提取想要的数据内容
• 了解CSS
  • 了解CSS，会解析出样式里的数据内容
• 了解JS
  • 基本JS语法，能写能读懂，并了解JS库：Jquery，Vue 等，可以对使用开发者工具调试JS
• 了解JSON
  • 了解JSON数据，会序列化和反序列化数据，通过解析JSON对象获取数据内容
• 了解HTTP/HTTPS
  • 能够分析请求信息和响应信息，可以通过代码构造请求
• 会正则解析
  • 通过正则匹配出符合规则的字符串，提取想要的数据内容
• 会数据库操作
  • 通过数据库操作对爬取数据进行存储，如：MYSQL语法
• 会使用抓包工具
  • 浏览器F12开发者调试工具(推荐：谷歌),Network(网络)栏目可以获取抓包信息
  • 工具：Charles，Fiddler (可抓包HTTPS，抓包APP)
  • 通过抓包工具可以过滤出数据接口或者地址，并且分析请求信息和响应信息，定位数据所在的字段或者HTML标签
• 会使用开发者工具
  • 浏览器F12开启开发者工具
  • 需要会使用开发者工具调试HTML，CSS，JS
• 会模拟请求
  • 工具：Charles，Fiddler，Postman
  • 通过模拟请求，分析出请求需要那些必要的信息，如：参数，COOKIE，请求头，懂得怎么模拟请求就知道编码的时候如何去构造
• 能定位数据
  • 数据在API中：前端/原生APP请求数据API，API返回数据大部分是JSON格式，然后渲染展示
  • 数据在HTML中：查看页面HTML源代码，如果源代码里有想要获取的数据，就说明在服务端已经绑定好数据在HTML里
  • 数据在JS代码中：查看页面HTML源代码，如果获取数据不在HTML里，又没有请求数据API，可以看下数据是不是绑定到JS变量里
• 会部署
  • 可以部署到Windows或者Linux服务器，使用工具进行爬虫进程监控，然后进行定时轮训爬取

转载于:https://www.cnblogs.com/ysl-manba/p/9993249.html