最近爬取某网站,发现整个网页都是JavaScript渲染生成的!!!而且我需要的数据不是通过ajax或jsonp来获取的,也就没有清晰易读的json文件给我们,此时使用正常的爬取手段已经不能实现数据的爬取了
这里我想到3个办法来完成爬取,
第一种是使用selenium模拟登陆(必须在登陆以后才能查看数据),同时需要使用代理池和很多账号,速度不快,但是能慢慢跑。
第二种是分析6万行js代码!!!找到它是怎么获取数据的!!!然后在爬取。。。。。这种方法直接pass
第三种是使用pyv8这个库来进行JavaScript代码运行,然后获取需要的数据,下面介绍pyv8的安装