用f12分析网页,点击网页上的按钮,抓包能够看到一个post消息,然后就能看到html网页显示了出来。这样的网页内容怎样抓取?
举报 使用道具
| 回复

共 2 个关于本帖的回复 最后回复于 2016-9-30 10:03

沙发
shenzhenwan10 金牌会员 发表于 2016-9-30 09:42:22 | 只看该作者
用连续动作
先定义一个点击动作,再抓取显示内容
举报 使用道具
板凳
Fuller 管理员 发表于 2016-9-30 10:03:15 | 只看该作者
这个问题要是展开来分析,其实有多种情形

1) post和get虽然是两种不同的http消息,对于GooSeeker网络爬虫来说,他是一视同仁,因为这两种消息都可能把html文档下载下来供采集

2) 发起方式不同:post往往是提交form、点击链接发起的,通常不能直接把url拷贝到浏览器地址栏进行加载,因为这种加载缺省是get消息。所以,在用网络爬虫采集数据时,需要使用点击动作,在MS谋数台的爬虫路线或者连续动作工作台上定义

3)点击以后,网页内容可能会在当前窗口显示,也可能会在弹出的新窗口中显示,这跟post还是get无关,他们都有可能弹出新窗口。但是,post弹出新窗口的采集难度高,因为,post的目标网址通常不能直接拷贝过来加载(第二条说了原因),所以,要点击后跟定他的弹出窗口进行抓取,这就需要GooSeeker爬虫的GS浏览器版本,他有飞掠抓取模式,可以跟定弹出窗口进行抓取。

另外,既然不用把post网址拷贝到浏览器进行加载,那么就不能用MS谋数台定义抓取规则,必须用GS浏览器,因为GS浏览器在每个窗口都有定义规则的能力
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

精彩推荐

  • Gephi社会网络分析-马蜂窝游记文本分词并同
  • Gephi社会网络分析-基于马蜂窝游记文本以词
  • 知乎话题文本根据词语间距筛选后生成共词矩
  • 马蜂窝游记文本分词后以词语间距为筛选条件
  • 学习使用apriori算法挖掘关联关系

热门用户

GMT+8, 2024-5-10 11:13