做多了爬虫都知道,写一个爬虫大部分时间不是在代码上,而是在分析网页上,所有有一套好用的工具可以极大节省劳动力,这里把平时积累的一些 Chrome 插件分享出来,均来自本人和同事推荐,并不定时更新,欢迎点赞和收藏。
下面大标题指向的是谷歌应用商店,访问需要特殊方法,也可以进入本仓库的
extensions
目录中下载。
相比较 Chrome 自身的 html 搜索,这款插件好用之处是可以显示匹配结果,在插件里写出正确的 XPath 语句后再复制到代码里即可。
一键拦截网页所有的 JS,可以快速区分出哪些是异步加载的数据,绝对是爬虫必备神器。
这款插件的强大之处不想多说,看上面的截图就行了,其中一些数据转换的功能,在分析请求时会经常用到。
虽然上面推荐的已经带有 JSON 功能,但这款插件带有局部选取、对象类型、数组长度等小功能,适合有额外需求的时候。并且相较于其他 JSON 插件,这款的性能更强,在处理巨量字符串时不容易卡死。
快速修改 UserAgent
的插件,当需要请求移动端页面时,或者需要传特殊的 UA 时,不要忘记它。
有时候网站过滤 IP 是通过请求 Headers 中的 X-Forwarded-For
字段,通过这个插件就可以修改此字段,用来快速进行判断。
快速切换 HTTP / Socks 代理的插件,还能根据匹配地址自动切换。另一个技巧是配合 Charles、Burp Suite 这类抓包工具,这些工具使用时需要设置本地代理,可以提前设置好用时就切换。
可以解析当前前端页面所使用的框架及服务支持,这样可以针对 Web 框架使用特殊的爬取方式。
又一个神器,如果只是简单的爬取数据,不需要部署和更复杂的操作,可以使用这款插件,内置在 Chrome 控制台,直接操作 Chrome 浏览器进行爬取,不需要写一行代码,支持多种导出格式。
爬虫遇到权限页面时,难免要对 Cookie 反复调试,这款插件可以对当前站点进行 Cookie 编辑,支持增删改查、导入导出、一键清空、搜索等功能。
Chrome 插件虽然绝大部分经过谷歌严格审查,但存在曝光过有恶意代码的情况。
本人承诺以上所有 Chrome 插件的链接以及仓库中的 crx 均来自谷歌官方商店,如插件内存在恶意代码均与本人无关,相关损失请自行承担。
如不放心可以亲自审计插件代码,在 Chrome/Default/Extension
目录下可以找到 JS 代码及相关文件。