java爬取动态加载/js返回数据的网页的源代码

2019独角兽企业重金招聘Python工程师标准>>>

在做人人网页的爬虫时，爬取人人新鲜事搜索页面http://browse.renren.com/s/all?from=homeindex&q=%E6%97%A0%E8%81%8A&itab=11#qt=%E6%97%A0%E8%81%8A/tindex=11/curpage=4的源码时，改变curpage=后面的数字后爬取的内容竟然都一样，每次都是第一页。在不同的页数右键“查看页面源代码”发现确实都是第一页的新鲜事内容，没有变化。

然后火狐右键“查看元素”，发现在每次翻页时，只有新鲜事部分的HTML标签变化了（闪现橙色），估计是用了JAVASCRIPT动态更新/加载数据，而不是重新请求了一个新的网址链接

知道了问题所在后，开始百度，找到了这样一篇神文章： Java抓取网页数据（原网页+Javascript返回数据）

有时候网站为了保护自己的数据，并没有把数据直接放在网页源码中返回，而是采用异步的方式，用JS返回数据，这样可以避免搜索引擎等工具对网站数据的抓取。

按照博文的方法，一步一步，使用火狐查看元素里的“网络”进行分析，发现果不其然，在换页的时候，是异步采用js返回了数据，请求的真正的链接自然也和浏览器中所看到的不一样。如下图：

查看响应的内容：

果然！就是想要找的内容！总共10条新鲜事，一条不差 而且正是我们想要的页码的

之后只要把原来爬取HTML网页的java爬虫代码的url改成这个真正的请求地址就好了（而不是在浏览器地址栏明眼看到的），其他的都不用变

转载于:https://my.oschina.net/u/1766462/blog/647387