网页上所看见的内容,大部分是直接通过HTML代码展示出来的,我们可以直接获取网页的HTML代码,并在其中找到网页内容所对应的HTML代码。
但也有一部分网页内容不是直接通过HTML代码展示的,而是动态加载出来的,在我们访问网页时,网页HTML代码会调用JavaScript程序动态加载数据。
为什么要动态加载数据?
一大原因就是这些数据是经常变更的,所以这些数据是存在数据库中的,在访问网页时,网页就访问数据库,并将最新的数据展示在网页上。
因此,在使用爬虫时,为了判断网页上的内容究竟是静态的卸载HTML代码中,还是通过JavaScript程序动态加载出来的,我们就需要先获取网页的返回数据。
如果网页的内容可以直接在返回数据中找到,就说明这是静态加载的;如果不能,那就很有可能是程序动态加载的,当然,也不排除是你找错了。
像上图这样,我们找到了这个返回的文件,首先可以通过URL与实际网址完全相同,判断这个文件就是整个网页的返回数据。
然后,我们到response中去任意搜索一下我们需要的网页内容,看找不找得到,像下图这样。
如果通过搜索找不到网页内容,那么很大可能就是通过网页加载的,这个时候,我们就要再选择XHR标签,在里面找相关的程序返回记录。