使用FireBug插件辅助采集网页动态加载数据

许多人在遇到网页动态加载数据的时候都习惯于使用selenium webdriver这款自动化测试工具，对接上浏览器驱动可以实现对javascript代码的逆向解析。但这种方式有1个明显的弊端：性能太差。更重要的是，其采集效率的下限很大程度上并不取决于数据采集者，而是取决于网页上有多少javascript代码，如果这些代码很多，那么我们的网络爬虫运行端就需要耗费更多的资源来解析这些javascript代码；然而，如果说10万行javascript代码中只有1000行是加载数据的代码，那就非常不划算了……

解决这种问题最好的办法就是直接把javascript中加载的数据采集下来，避免运行庞大的selenium webdriver和各种浏览器驱动，也避免解析过多无关的javascript代码。毫无疑问，采集数据的性能会大幅度上升，也省下了许多资源。

以上就是不使用selenium webdriver的好处。下面来说说具体怎么去实现。

FireFox浏览器大家都知道，前端开发者们也都应该知道这个浏览器有个FireBug插件十分有助于调试前端代码，在爬虫开发者们的眼中，这个插件还对编写网络爬虫有很大的帮助，其灵活性能够让开发者迅速追踪到网页动态加载的数据。

一、安装FireBug插件

这里网上有很多资料，百度经验可以直接找到。最新版本的FireFox浏览器上默认安装有FireBug插件，不需要手动安装；老版本的FireFox安装方法见百度经验，这里不详细说明。这个插件安装完成后，打开FireFox浏览器，按下F12会弹出调试器，这就是我们的FireBug了，说明我们安装成功了。

二、使用FireBug进一步分析爬取目标

上图所示是网页中通过ajax请求得到的json格式数据，也就是动态加载的数据，现在把这些数据复制下来，粘贴到json viewer工具中，可以得到一个被json格式化以后的json对象视图，方便分析数据结构。但有时出来的json数据中有大量空格换行，导致json viewer解析不出来，所以我更推荐直接在FireBug中，查看json对象数据。如下图：

三、使用提取json数据

在FireBug中查看到了返回Ajax回调的JSON数据的那个请求URL以后，就意味着：请求该URL可以获取其返回的JSON格式数据。

http://aigaogao.com/tools/action.aspx?act=sdc
把这段URL复制到浏览器的地址栏中，回车。可以看到我们要的数据。

import requestsurl='http://aigaogao.com/tools/defaulttools.html'result=requests.get(url)html=result.contentprint html

运行以上代码，我们可以得到图片中同样的数据。

至此，便实现了对动态网页的逆向工程。不需要渲染js代码也能获取到动态加载的数据。