【基础】【Python网络爬虫】【3.chrome 开发者工具】（详细笔记）

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