GlidedSky 爬虫基础 1
爬虫的目标很简单,就是拿到想要的数据。这里有一个网站,里面有一些数字。任务是计算这些数字的总和。
分析
我一般编写爬虫的流程:
1:检查 展现数据和原始数据是否一致。
2:寻找原始元素的位置。一般数据 会在 DOM文档中,json 文件中,js文件中,ws 等传输数据中。
3:直接发起请求,检查是否有反爬或者加密。
4:不能直接拿到数据,就使用 postman 完全模拟浏览器请求。
5:使用postman 完全模拟浏览器基本上都可以拿到数据的。
6:有加密就开始解密。 解密流程会复杂点。
1: 检查网页数据
检查 呈现数据和原始数据 是否一致。 如图所示:可以发现 呈现数据和原始数据一致。
2: 寻找原始数据文件。
寻找原始数据使用 ”搜索“。
按 ctrl + F
或者 ctrl + shift + f
, 然后输入想要查找的数据。
2.1 首先是 sources
对于这个 例子,已经直接可以拿到原始数据。所以,也就没有必要找 JS, json, ws 等文件了。
3. 验证能否直接拿到数据
直接使用 requests
库来进行模拟。
import requests
url