Python网络爬虫技巧小总结，静态动态网页轻松爬取数据

Posted 2021-01-04 python6359

很多人学用python，用得最多的还是各类爬虫脚本：有写过抓代理本机验证的脚本，有写过自动收邮件的脚本，还有写过简单的验证码识别的脚本，那么我们今天就来总结下python爬虫抓站的一些实用技巧。

 

静态网页

对于静态网页的爬虫不用多说大家也都知道，因为爬取静态网页非常的简单，只要用requests直接把html爬取下来然后用正则表达式匹配就可以了。

 

动态网页

相对于静态网页的简单，但是动态网页的就会相对而而言会复杂一下，而且现在互联网的发展速度，动态网页是最多的，静态网页是比较少的，不过他有张良计，我有过墙梯。

动态网页的http请求分为两种形式:

Get方法和post方法

• Get方法：比如说我们在浏览器上输入一个网络地址，就是发起一个Get方法的请求。这种网络地址就是URL。
• Post方法：在爬虫中不常见，故不详细介绍

如果知道一个网站的请求是形式，熟练使用F12开发者工具，里面查看network就可以了。

看一下案例

 

当然了，并不是所有的网页都是靠发送请求来得到数据的，也有非发送数据的动态网页。

对于这样的网站，我们一般是用selenium来做模拟浏览器的行为，可以直接获取浏览器渲染后的结果。不过selenium的速度比较慢。

具体案例如下：

 

所以无论网页是静态网页还是动态网页都是方法爬取的，当然了，很多网站是需要登录和识别验证码、反爬等，无论网站出什么样的措施都是有应对方法，关键在于你会不会。