Python网络爬虫基础
- [chrome 开发者工具](#chrome 开发者工具)
-
- 元素面板（Elements))
- 控制台面板（Console）
- 资源面板（Source）
- 网络面板（Network）
-
- 工具栏
- [Requests Table详情](#Requests Table详情)
chrome 开发者工具
当我们爬取不同的网站是，每个网站页面的实现方式各不相同，我们需要对每个网站都进行分析。那是否有一些通用的分析方法？我分享下自己爬取分析的"套路"。在某个网站上，分析页面以及抓取数据，我用得最多的工具是 Chrome 开发者工具。
Chrome 开发者工具是一套内置于 Google Chrome 中的 Web 开发和调试工具，可用来对网站进行迭代、调试和分析。因为国内很多浏览器内核都是基于 Chrome 内核，所以国产浏览器也带有这个功能。例如：UC 浏览器、QQ 浏览器、360 浏览器等。
接下来，我们来看看 Chrome 开发者工具一些比较牛逼的功能。
元素面板（Elements)
通过元素（Element）面板，我们能查看到想抓取页面渲染内容所在的标签、使用什么 CSS 属性（例如：class="middle"）等内容。例如我想要抓取我知乎主页中的动态标题，在网页页面所在处上右击鼠标，选择"检查"，可进入 Chrome 开发者工具的元素面板。
通过这种方法，我们能快速定位出页面某个 DOM 节点，然后可以提取出相关的解析语句。鼠标移动到节点，然后右击鼠标，选择 "Copy"，能快速复制出 Xpath 、CSS selector 等内容解析库的解析语句。
控制台面板（Console）
控制台面板（Console）是用于显示JS和DOM对象信息的单独窗口。
资源面板（Source）
在资源面板（Source）页面可以查看到当前网页的所有源文件。
- 在左侧栏中可以看到源文件以树结构进行展示。
- 在中间栏这个地方使用来调试js代码的地方。
- 右侧是断点调试功能区。
- js解密会用到资源面板的功能
网络面板（Network）
网络（Network）面板记录页面上每个网络操作的相关信息，包括详细的耗时数据、HTTP 请求与响应标头和 Cookie，等等。这就是我们通常说的抓包。
工具栏
Stop recording network log：默认情况下，只要开发者工具在开启状态，会记录所有的网络请求，当然，记录都是在Network 面板展示的。红色表示开启，灰色表示关闭。
Clear ：清空所有数据，每一次重新分析是都需要清空之前的数据。
Filter：数据包过滤器。红色表示打开，蓝色表示关闭。经常来使用它来过滤出一些 HTTP 请求，例如过滤出使用 Ajax 发起的异步请求、图片、视频等。
Filter搜索框 ：根据地址过滤，比如 ：baidu.com，就只会过滤数据包地址中包含 baidu.com 的数据包。Invert ：Filter搜索框中取反过滤，比如：baidu.com，会过滤数据包地址中不包含 baidu.com的数据包。Hide data URLs ：用于是否隐藏 dataurl，那么什么是 dataurl 呢？传统的通常 img 标记的src属性指定了一个远程服务器的资源，浏览器针对每个外部资源需要向服务器发送一次拉取资源请求。而Data URL技术是图片数据以base64字符串格式嵌入到了页面中，和HTML融为一体。all：所有请求数据（图片、视频、音频、js代码、css代码* ）XHR：XMLHttpRequest 的缩写，是ajax技术的核心，动态加载完成经常分析的一个内容CSS:css样式文件JS：JavaScript文件，是js解密常分析的一个页面Img：Images 图片文件Font：字体文件（字体反扒）DOC ：Document，文档内容- WS: WebSocket，web端的socket数据通信，一般用于一些实时更新的数据
Wasm：WebAssembly，WASM（WebAssembly） 垃圾收集。WASM 是一种低级编程语言，源自 Mozilla 发起的 Asm.js 项目，设计提供比 Java 更快速的编译及执行，它允许开发者运用自己熟悉的语言编译，再借虚拟机引擎在浏览器内执行。Manifest：显示通过manifest缓存的资源。包括很多信息，如js库文件会显示文件地址、大小和类型；Has blocked cookies：仅显示具有阻止响应cookie的请求，此选项千万不要勾选。Blocked Requests ：仅显示被阻止的请求，此选项千万不要勾选。3rd-party requests：仅显示来源与页面来源不同的请求，此选项千万不要勾选。
Search ：搜索框，只要在 ALL 里面出现的过的内容，就可以被直接搜索到。常用与数据检索与 JS 解密
Preserve log ：保留日志。当分析在多个页面跳转的内容时，一定要勾上，不然当页面发生新的跳转是，历史数据全部都会被清空。保留日志，做爬虫是一定需要勾上
Disable cache ：清空 JavaScript、css 文件的缓存，获取最新的。
Requests Table ：最大的窗格叫 Requests Table ，此表格会列出了检索的每一个 HTTP 请求。默认情况下，此表格按时间顺序排序，最早的资源在顶部。点击资源的名称可以显示更多信息。
Requests Table详情
1.Headers：是显示 HTTP 请求的 Headers，我们通过这个能看到请求的方式，以及携带的请求参数等。
-
General- Request url ：实际请求的网址
- Request Method： 请求方法
- Status Code ：状态码，成功时为 200
-
Response Headers ：服务器返回时设置的一些数据，例如服务器更新的cookie数据最新是在这里出现修改 -
Requests Headers ：请求体，请求不到数据的原因一般出在这里。反扒也是反扒请求体里面的数据
2.Preview ：Preview 是请求结果的预览。一般用来查看请求到的图片，对于抓取图片网站比较给力。
3.Response ：Response 是请求返回的结果。一般的内容是整个网站的源代码。如果该请求是异步请求，返回的结果内容一般是 Json 文本数据。此数据与浏览器展示的网页可能不一致，因为浏览器是动态加载的
4.Initiator ：请求发起所调用的堆栈
5.Timing ：请求与响应时间表
6.Cookies ：显示数据包的cookies所有片段信息