数据采集的另一种思路 - 浏览器脚本注入

昨天想去极客时间把购买的一个专栏里的数据扒下来，发现之前写的python脚本不能用了，原因是他们网站做了限流、也加了http时间戳的一些校验。我们可以将之前的python脚本进行改进，用ip代理池来处理限流，寻找时间戳验证的规则就可以解决。

但是这次我们用了另外的一种爬虫的思路，就是我们直接写一些js脚本，在对方的网站里运行，去请求相应的接口，从而得到想要的数据。

这种思路其实见过很多例子，之前有一个很火的，qq空间自动点赞的脚本，看过它的源码，其实很简单，就是直接去操作dom，然后触发一些事件。

另外一个很火的例子，github上很火的一个repo， fuckZhihu，据说是winter当年退知乎时写的，将自己在知乎的数据保存下来。

下面是这次实践的内容：

获取文章id集合

刚进入专栏的时候会有一个获取左侧文章列表集合的请求，在这个接口里，我们就能获取到当前专栏的所有请求。

这个专栏大概有50多篇文章，因为限流的原因，我们分成两次进行请求。

注入FileSaver.js

FileSaver是一个运行在浏览器中，将数据下载为json或者excel文件的库。