10個爬蟲工程師必備的工具瞭解一哈

本文轉載自公眾號 | 雞仔說

作者 | 張小吉

工欲善其事必先利其器的道理相信大家都懂。而作為經常要和各大網站做拉鋸戰的爬蟲工程師們，則更需要利用利用好身邊的一切法器，以便更快的攻破對方防線。今天我就以日常爬蟲流程，給大家介紹十款工具，相信大家掌握之後，必定能夠在工作效率上，提升一個量級

爬蟲第一部做什麼？當然是目標站點分析

1.Chrome

Chrome屬於爬蟲的基礎工具，一般我們用它做初始的爬取分析，頁面邏輯跳轉、簡單的js除錯、網路請求的步驟等。我們初期的大部分工作都在它上面完成，打個不恰當的比喻，不用Chrome，我們就要從智慧時代倒退到馬車時代

同類工具： Firefox、Safari、Opera

2.Charles

Charles與Chrome對應，只不過它是用來做App端的網路分析，相較於網頁端，App端的網路分析較為簡單，重點放在分析各個網路請求的引數。當然，如果對方在服務端做了引數加密，那就涉及逆向工程方面的知識，那一塊又是一大籮筐的工具，這裡暫且不談

同類工具：Fiddler、Wireshark、Anyproxy

接下來，分析站點的反爬蟲

3.cUrl

維基百科這樣介紹它

cURL是一個利用URL語法在命令列下工作的檔案傳輸工具，1997年首次發行。它支援檔案上傳和下載，所以是綜合傳輸工具，但按傳統，習慣稱cURL為下載工具。cURL還包含了用於程式開發的libcurl。

在做爬蟲分析時，我們經常要模擬一下其中的請求，這個時候如果去寫一段程式碼，未免太小題大做了，直接透過Chrome複製一個cURL，在命令列中跑一下看看結果即可，步驟如下

4.Postman

當然，大部分網站不是你複製一下cURL連結，改改其中引數就可以拿到資料的，接下來我們做更深層次的分析，就需要用到Postman“大殺器”了。為什麼是“大殺器”呢？因為它著實強大。配合cURL，我們可以將請求的內容直接移植過來，然後對其中的請求進行改造，勾選即可選擇我們想要的內容引數，非常優雅

5.Online JavaScript Beautifier

用了以上的工具，你基本可以解決大部分網站了，算是一個合格的初級爬蟲工程師了。這個時候，我們想要進階就需要面對更復雜的網站爬蟲了，這個階段，你不僅要會後端的知識，還需要了解一些前端的知識，因為很多網站的反爬措施是放在前端的。你需要提取對方站點的js資訊，並需要理解和逆向回去，原生的js程式碼一般不易於閱讀，這時，就要它來幫你格式化吧

6.EditThisCookie

爬蟲和反爬蟲就是一場沒有硝煙的拉鋸戰，你永遠不知道對方會給你埋哪些坑，比如對Cookies動手腳。這個時候你就需要它來輔助你分析，透過Chrome安裝EditThisCookie外掛後，我們可以透過點選右上角小圖示，再對Cookies裡的資訊進行增刪改查操作，大大提高對Cookies資訊的模擬

接著，我們開始設計爬蟲的架構

7.Sketch

當我們已經確定能爬取之後，我們不應該著急動手寫爬蟲。而是應該著手設計爬蟲的結構。按照業務的需求，我們可以做一下簡單的爬取分析，這有助於我們之後開發的效率，所謂磨刀不誤砍柴工就是這個道理。比如可以考慮下，是搜尋爬取還是遍歷爬取？採用BFS還是DFS？併發的請求數大概多少？考慮一下這些問題後，我們可以透過Sketch來畫一下簡單的架構圖

同類工具：Illustrator、 Photoshop

開始愉快的爬蟲開發之旅吧

終於要進行開發了，經過上面的這些步驟，我們到這一步，已經是萬事俱備只欠東風了。這個時候，我們僅僅只需要做code和資料提取即可

8.XPath Helper

在提取網頁資料時，我們一般需要使用xpath語法進行頁面資料資訊提取，一般地，但我們只能寫完語法，傳送請求給對方網頁，然後列印出來，才知道我們提取的資料是否正確，這樣一方面會發起很多不必要的請求，另外一方面，也浪費了我們的時間。這個就可以用到XPath Helper了，透過Chrome安裝外掛後，我們只需要點選它在對應的xpath中寫入語法，然後便可以很直觀地在右邊看到我們的結果，效率up+10086

9.JSONView

我們有時候提取的資料是Json格式的，因為它簡單易用，越來越多的網站傾向於用Json格式進行資料傳輸。這個時候，我們安裝這個外掛後，就可以很方便的來檢視Json資料啦

10.JSON Editor Online

JSONView是直接在網頁端返回的資料結果是Json，但多數時候我們請求的結果，都是前端渲染後的HTML網頁資料，我們發起請求後得到的json資料，在終端(即terminal)中無法很好的展現怎麼辦？藉助JSON Editor Online就可以幫你很好的格式化資料啦，一秒格式化，並且實現了貼心得摺疊Json資料功能

既然看到這裡，相信你們一定是真愛粉啦，送你們一個彩蛋工具。

0.ScreenFloat

它能來幹嘛？見名思意，就是一個螢幕懸浮工具，然而我最近才發現它特別重要，尤其我們需要分析引數時，經常需要在幾個介面來回切換，這個時候有一些引數，我們需要比較他們的差異，這個時候，你就可以透過它先懸浮著，不用在幾個介面中來切換。非常方便。再送你一個隱藏玩法，比如上面這樣

有其他好用的工具，歡迎小夥伴留言哈