- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学（冷冻工厂）
Python网络数据抓取（9）：XPath
如果你对 XML 文档不太熟悉，XPath 可以帮你完成网页抓取的所有工作。 实战 XML，即扩展标记语言，它与 HTML，也就是我们熟知的超文本标记语言，有相似之处，但也有显著的不同。 HTML 有一套固定的标签，比如 body、head 或 p（段落），这些标签对于浏览器来说都有特定的含义。然而，XML 并不预设任何标签，你可以自由地为标签命名，而这些标签本身并不携带特定的含义。 示例 我们不会详细介绍 Xpath 语法本身，因为在本视频中我们的主要目标是学习如何使用 Xpath 进行网页抓取。 假设我有一个 XML 文档，其中包含以下代码。
88810编辑于 2024-06-18 - 来自专栏后端技术
Java(9):浅谈WebCollector的数据抓取
前言 ---- 作为Java世界中小白的我(瑟瑟发抖的状态),在网络数据抓取这一块简直是一无所知.天无绝人之路,这时候我们老大向我推荐一个很好用的爬虫框架WebCollector,WebCollector 代码在最下面.) 3.搞好构造器方法之后,我们最需要的就是实现接口Visitor中的方法public void visit(Page page, CrawlDatums next).在visit这个方法中我们抓取我们所需要的数据信息 下面我们就拿一个具体的示例来说明WebCollector的抓取过程是如何实现的.我们就要抓取出下面页面中我的名字"神经骚栋". ?
1.8K30发布于 2019-05-25 - 来自专栏全栈开发日记
【分享】抓取浏览器HTTPS请求数据
2、浏览器安装证书 这里以Edge浏览器为例，打开浏览器设置并搜索证书设置项，将刚刚导出到桌面的证书导入即可，界面如下图所示。 在配置完后需要重启浏览器和Fiddler才可以生效。 保持Fiddler工具所在PC与手机所在同一局域网，并在手机浏览器访问Fiddler工具所在IP+端口号，正常情况下可以看到以下界面。
1.1K30编辑于 2023-10-08 2025年五大优秀抓取浏览器
抓取浏览器通常会自动执行这些步骤，提供更高效、更可靠的抓取流程。如何选择网页抓取工具访问网络数据的方法有很多。 但是，如果您没有编程技能，您可能需要花费一些时间来习惯它，然后才能创建一个网页抓取机器人。为什么抓取浏览器可以增强您的工作？ 抓取浏览器（例如 Puppeteer、Playwright 等）可以显著提高网页爬取效率，原因如下：支持动态内容: 抓取浏览器通过提供完整的浏览器渲染能力，可以处理使用 JavaScript 动态生成的页面内容 高并发支持: 一些抓取浏览器（例如 Browserless）还提供云服务，支持高并发爬取和大规模数据收集，适用于需要处理大量数据的场景。最后的想法哪种网页抓取工具最适合您，抓取浏览器还是抓取扩展程序？ 您肯定希望使用最方便、最高效的工具来快速进行网页抓取。抓取浏览器 使网页抓取变得简单高效。通过绕过 CAPTCHA 和智能 IP 轮换，您可以避免网站封锁并轻松实现数据抓取。
77110编辑于 2025-04-24- 来自专栏网络安全攻防
【神兵利器】红队360浏览器密码抓取工具
项目介绍 红队一键辅助抓取360安全浏览器密码的CobaltStrike脚本以及解密小工具，用于节省红队工作量，通过下载浏览器数据库、记录密钥来离线解密浏览器密码 360SafeBrowsergetpass.cna 主要用与记录解密所需要的信息用于离线解密，3Bpass主要用于解密浏览器密码，支持本机自动导出以及离线解密 基本用法 Aggressor scripts 搜集信息 加载Aggressor scripts 后，beacon右键打开菜单执行SafeBrowsergetpass即可 执行后将下载浏览器数据库，记录密钥MachineGuid到Credential Bpass解密数据库 3Bpass使用C#编写，
73000编辑于 2025-01-09 - 来自专栏电商工具
提取在线数据的9个海外最佳网页抓取工具
例如，可以使用抓取工具从亚马逊收集有关产品及其价格的信息。在这篇文章中，我们列出了9个网络抓取工具。 1. 您可以在几分钟内轻松抓取数千个网页，而无需编写任何代码，并根据你的要求构建1000多个API。 1.jpg 2. 它提供了一个基于浏览器的编辑器来设置爬虫并实时提取数据。你可以将收集的数据保存在 Google云端硬盘和Box.net 等云平台上，也可以导出为CSV或JSON。 3.jpg 4. ParseHub ParseHub用于抓取单个和多个网站，支持JavaScript，AJAX，会话，cookie和重定向。 80legs声称可以抓取600,000多个域名，并被MailChimp和PayPal等大型玩家使用。 8.jpg 9.
10.5K01发布于 2019-07-10 - 来自专栏路过君BLOG from CSDN
angular9 添加IE浏览器支持
默认模板没有启用IE浏览器支持 ng serve启动项目后，用IE浏览器打开为空白页 解决 修改browserslist，去掉前面的not not IE 9-11 # For IE 9-11 support
1.2K30发布于 2020-06-19 - 来自专栏OECOM
IE9浏览器支持CORS请求
跨域请求是目前前端框架式发展中必须解决的问题，目前主流的浏览器均支持cors跨域请求，浏览器无需做过多的处理，在服务器端只需要设置Access-Control-Allow-Origin为*或者是或者是发起这个请求的页面的域名即可 但是IE浏览器只有在IE10及以上版本才支持。 在IE9和IE8浏览器中，I引入了 XDomainRequest 对象。 了解了XDomainRequest的一些限制之后，来写一个方法来实现它 function fetchIe9(url, options = {}){ if (window.XDomainRequest
1.6K30发布于 2020-07-02 应对反爬：使用Selenium模拟浏览器抓取12306动态旅游产品
本文将详细介绍如何使用Selenium模拟真实浏览器行为，有效绕过这些限制，成功抓取12306旅游产品数据。 User-Agent、Referer等头部信息行为分析：检测鼠标移动、点击模式等人类特征IP限制：频繁请求会导致IP地址被暂时封锁Selenium技术简介Selenium是一个自动化Web测试工具，但其浏览器自动化能力使其成为应对反爬策略的利器 ：真实浏览器环境：完全模拟用户操作，生成合法流量模式JavaScript执行：能够处理动态加载内容元素交互：可以模拟点击、输入等用户行为跨平台支持：支持Chrome、Firefox、Edge等主流浏览器环境准备与配置所需工具和库安装首先确保安装以下 Python库：bashpip install selenium beautifulsoup4 pandas webdriver-managerWebDriver管理Selenium需要对应浏览器的驱动程序 return f"http://{proxyUser}:{proxyPass}@{proxyHost}:{proxyPort}"def setup_driver(): """设置带代理的浏览器实例
90410编辑于 2025-09-04- 来自专栏爬虫资料
使用Selenium与WebDriver实现跨浏览器自动化数据抓取
为了应对不同浏览器环境下的兼容性问题，Selenium与WebDriver成为了开发者实现跨浏览器自动化数据抓取的首选工具。 本文将深入探讨如何利用Selenium和WebDriver实现跨浏览器的数据抓取，并结合代理IP技术提升数据抓取的稳定性与效率。 WebDriver是Selenium的一部分，支持多种浏览器（如Chrome、Firefox、Edge等）的自动化操作，使得开发者能够在不同的浏览器中执行一致的数据抓取流程。 实现跨浏览器自动化抓取的代码以下为使用Selenium与WebDriver实现的跨浏览器数据抓取代码，结合代理IP、user-agent和cookie的设置。 结论通过Selenium与WebDriver，我们能够轻松实现跨浏览器的数据抓取，并通过使用代理IP、设置user-agent与cookie等技术，提升了爬虫的稳定性和隐蔽性。
1.1K10编辑于 2024-09-09 - 来自专栏从零开始学自动化测试
mitmproxy 抓包神器-1.环境准备与抓取浏览器请求
mitmweb 是用于 mitmproxy 的基于 Web 的界面， 提供一个可视化界面帮助我们查看抓取的请求，可以修改返回内容。 安装完成后检查版本 mitmproxy --version python 3.9 版本会安装 Mitmproxy: 9.x 版本 (venv) D:\demo\mitmproxy_xuexi>mitmproxy http://127.0.0.1:8081/,显示如下 抓浏览器请求 mitmproxy 默认监听的端口是 8080 端口， 所以需要在浏览器上设置代理 开启代理，设置监听8080端口，点保存按钮 Mac 电脑端的配置 接下来浏览器访问一个http的请求，就可以捕获到了 打开百度https://www.baidu.com 页面是 https 请求，默认不会抓取 抓取https 请求 当打开一个 https 请求时，页面上出现”您的连接不是私密连接” mitmproxy 默认只抓取http的请求，https 的请求需要安装证书。
2.7K20编辑于 2023-01-03 - 来自专栏清风
JavaScript IE9以下浏览器版本升级提示
reIE.test(userAgent); var fIEVersion = parseFloat(RegExp["$1"]); if (fIEVersion<9) u5668\u5347\u7ea7\u81f3\u6700\u65b0\u7248\u672c\uff0c\u83b7\u5f97\u66f4\u597d\u7684\u6d4f\u89c8\u4f53\u9a8c
1.1K20发布于 2018-08-15 “所见即所爬”：使用Pyppeteer无头浏览器抓取动态壁纸
在数据抓取的领域中，我们常常会遇到一个棘手的难题：许多现代网站大量使用JavaScript在用户浏览器中动态地渲染内容。 此时，"无头浏览器"（Headless Browser）技术便成为了破解这一困境的钥匙。 它实现了"所见即所爬"的愿景，让你能抓取到任何在真实浏览器中能看到的内容。一、为何选择Pyppeteer？ 逐个进入详情页，抓取高清壁纸资源（图片或视频）的真实URL。下载资源并保存到本地。 它完美地模拟了真实用户的行为：访问页面、滚动、点击、在新标签页中打开链接，最终精准地抓取到了由JavaScript动态生成的壁纸资源地址。
75910编辑于 2025-09-11用 OpenClaw 浏览器自动化突破边界抓取数据
OpenClaw 作为一款浏览器自动化工具，通过模拟真实用户行为，提供了一种在无 API 环境下突破边界的有效方案。 为什么选择浏览器自动化？ 部署环境与资源规划 运行浏览器自动化任务是资源密集型操作。每一个 OpenClaw 实例在后台调用 Chromium 内核时，都会占用显著的 CPU 和内存资源。 为了保障 7x24 小时稳定抓取，服务器部署是必选项。 数据清洗与导出 OpenClaw 抓取到的原始数据通常包含大量换行符和空格。 在流程的后处理环节，利用内置的 JavaScript 代码块进行清洗： // 示例：清洗价格字符串 return price_raw.replace(/[^0-9.]
3.3K30编辑于 2026-03-06- 来自专栏数据小魔方
左手用R右手Python系列——动态网页抓取与selenium驱动浏览器
关于基础的网络数据抓取相关内容，本公众号已经做过很多次分享，特别是R语言的爬虫框架（RCurl+XML/httr+rvest[xml2+selectr]）已经形成了较为丰富的教程系统。 但是所有这些都是基于静态页面的（抓包与API访问的除外），很多动态网页不提供API访问，这样就只能寄希望于selenium这种基于浏览器驱动技术来完成。 浏览器测试成功，我还没有试过，这里改用plantomjs无头浏览器(无需考虑元素是否被窗口遮挡的问题。) ： #自动化抓取函数： myresult<-function(remDr,url){ ###初始化一个数据框，用作后期收据收集之用！ myresult<-data.frame() ###调用后台浏览器（因为是plantomjs这种无头浏览器（headless），所以你看不到弹出窗口） remDr$open()
3.2K100发布于 2018-04-12 - 来自专栏企鹅号快讯
左手用R右手Python系列——动态网页抓取与selenium驱动浏览器
但是所有这些都是基于静态页面的（抓包与API访问的除外），很多动态网页不提供API访问，这样就只能寄希望于selenium这种基于浏览器驱动技术来完成。 在介绍案例之前，请确保系统具备以下条件： 本地有selenium服务器并添加系统路径； 本地有plantomjs浏览器并添加系统路径； 安装了RSelenium包。 因为涉及到自动化点击操作，Chrome浏览器倒腾一下午硬是在点击环节出故障，找到了原因，因为拉勾网页面很长，而下一页按钮不在默认视窗范围内，使用了js脚本控制滑动条失败，原因不明，看到有人用firefox 浏览器测试成功，我还没有试过，这里改用plantomjs无头浏览器(无需考虑元素是否被窗口遮挡的问题。) R语言版： 启动服务 构建自动化抓取函数： 运行抓取函数 Python： 启动服务 构建抓取函数 运行抓取程序
2.1K80发布于 2018-01-03 - 来自专栏小狐狸说事
蜘蛛抓取策略分析：防止重复抓取
蜘蛛抓取策略分析：防止重复抓取 ---- 蜘蛛抓取策略分析：防止重复抓取 前言: 不重复抓取？有很多初学者可能会觉得。爬虫不是有深度优先和广度优先两种抓取策略吗？ 也从而延伸出今天的这篇文章，不重复抓取策略，以说明在一定时间内的爬虫抓取是有这样规则的。 正文: 回归正题，不重复抓取，就需要去判断是否重复。 当然爬取（理解为发现链接）与抓取（理解为抓取网页）是同步进行 的。一个发现了就告诉了另外一个，然后前面的继续爬，后面的继续抓。 抓取完了就存起来，并标记上，如上图，我们发现第2条记录和第6条记录是重复的。那么 当爬虫抓取第二条后，又爬取到了第6条就发现这条信息已经抓取过了，那么就不再抓取了。爬虫不是尽可能抓更多的东西吗？ 而本身搜索引擎的爬取和抓取都是需要执行 一段代码或一个函数。执行一次就代表着要耗费一丁点资源。如果抓取的重复量级达到百亿级别又会让爬虫做多少的无用功？耗费搜索引擎多大的成本？
1.2K20编辑于 2022-11-17 - 来自专栏奇异维度
推荐9个设计必备谷歌插件，让浏览器更强大!
推荐 9 个设计必备谷歌插件，让浏览器更强大! 今天跟大家分享下我在设计工作中会用到的谷歌插件，非常的干货。 划词翻译是一站式划词 / 截图 / 音视频翻译扩展，支持谷歌、百度、搜狗等 9 个国内外主流翻译。 code cola 插件并不是直接修改原版网页，只是利用遮罩在浏览器上添加一个虚幻的效果，一旦您使用其他浏览器打开相同的网页，特效就不存在了，就像是为网页添加一个新的图层一样，感兴趣的朋友不要错过了。 ❽ Window Resizer Window Resizer 是一款可以设置浏览器窗口大小的 Chrome 扩展，可以将窗口调节为 1440x900、1920x1080 等大小，也可以选择自定义浏览器窗口的尺寸 [20210907144224.webp] ❾ 迅雷下载支持 chrome 迅雷下载支持插件官方版是专为谷歌浏览器的用户制作的迅雷下载支持扩展插件，只要您的浏览器是 chrome 内核，都可以使用，安装后
1.7K40编辑于 2021-12-07 - 来自专栏猿人谷
网页抓取
之前做聊天室时，由于在聊天室中提供了新闻阅读的功能，写了一个从网页中抓取信息（如最新的头条新闻，新闻的来源，标题，内容等）的类，本文将介绍如何使用这个类来抓取网页中需要的信息。 else { break; } } return tags; } 有了以上函数，就可以提取需要的HTML标志了，要实现抓取 response.CharacterSet).GetString(buffer.GetBuffer()); } catch { return String.Empty; } } 以下以抓取博客园首页的文章标题和链接为例 ，介绍如何使用HtmlTag类来抓取网页信息： class Program { static void Main(string[] args) { String html
3.4K80发布于 2018-01-17 - 来自专栏Hank’s Blog
抓取模板
import pandas as pd from lxml import etree import json,requests,random import os,time,shutil,traceback def get_data(url, headers): try: store_res = requests.get(url=url, headers=headers) if store_res.status_code == 200: jda
1K20发布于 2020-09-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号