抓取动态页面有两种常用的方法,一是通过JavaScript逆向工程获取动态数据接口(真实的访问路径),另一种是利用selenium库模拟真实浏览器,获取JavaScript渲染后的内容。但selenium库用起来比较繁琐,抓取速度相对较慢,所以第一种方法日常使用较多。
创新互联专业为企业提供贡觉网站建设、贡觉做网站、贡觉网站设计、贡觉网站制作等企业网站建设、网页设计与制作、贡觉企业网站模板建站服务,十多年贡觉做网站经验,不只是建网站,更提供有价值的思路和整体网络服务。
抓取js动态生成的内容的页面有两种基本的解决方案
1用dryscrape库动态抓取页面
js脚本是通过浏览器来执行并返回信息的,所以,抓取js执行后的页面,一个最直接的方式就是用python模拟浏览器的行为。WebKit 是一个开源的浏览器引擎,python提供了许多库可以调用这个引擎,dryscrape便是其中之一,它调用webkit引擎来处理包含js等的网页!
2 selenium web测试框架
selenium是一个web测试框架,它允许调用本地的浏览器引擎发送网页请求,所以,它同样可以实现抓取页面的要求。
个人使用的话不算,要是用于商业就算了,公司不会找你,但是你要是来这个来赚钱,商业目的,你就等着法律吧