利用浏览器抓包，是爬虫中的很实用的技能。在爬虫编程之前，我们要对抓取的目标页面有所了解，比如浏览器的这个请求这个页面中间都经历了什么，数据是怎么发送和返回的。

抓包的作用

我把抓包分析的作用简单列一下：

分析请求的headers等等，可以加载到你的爬虫中，伪装成浏览器。往往可以躲过简单的反扒策略登录状态获取，如果我们在浏览器中登录，抓包拿到cookies，加到我们的爬虫中，往往就可以绕过登录这道坎，爬虫直接登堂入室，抓取更有价值的数据post请求，例如页面中通过post提交的表单。我们就可以抓包看到请求是每个参数的key和value，key是什么、value有没有编码等等抓接口，抓包往往可以看到服务器返回到浏览器的的响应数据是什么，比如很多页面中的数据，其实是中间经过一次接口的，接口中往往是json数据。这样爬虫就可以直接抓接口，而不是原网页。json数据中比页面解析提取数据来的遍历抓包分析，有时可以绕过有些网站的反扒限制，甚至网站的验证码（极少其概况下啊）···

如何抓包

案例一

浏览器例如Chrome、Firfox都支持抓包，其中Firfox有一个开发者版本 firefox developer edition，更加专业一些，可以安装玩玩看。

我们以Chrome浏览器为例吧，要有一个抓包的页面啊

就这个链接啦：

http://baijiahao.baidu.com/builder/preview/s?id=1601067954790004275

浏览器中输入这个链接，页面空白处，右键“检查”，点击“network”，再次刷新页面，看到如下：

看似访问一个页面，其实中间经过这么多请求。

其中左侧，每一个请求的Headers标签中内容如下四个部分：

GeneralResponse HeaderRequest HeadersQuery其中重点在请求的headers，将里面的数据设置到你的爬虫，就可以伪装爬虫，通常设置Cookie、Host、User-Agent、Referer等。

案例二

post请求的抓包。

有表单的页面，点击提交，抓包可以查看post的数据有哪些，是否对数据编码等

案例三

抓包，获取接口。这个页面http://www.2345.com/corp.htm?innertab想要获取这个页面上的各个行业和相应网址。抓取这个链接，提取页面元素。不论是用正则、xpath、beautifulsoup等等。有更好的办法吗？抓包看看

通过抓包，我们得到接口：http://www.2345.com/js/nvaurllist1202.js?v=8.13.1抓取这个链接进行数据提取，不是比原页面简单些吗。

python爬虫学习之路-抓包分析 就到这里，下次开始初认python的urllib、urllib2、requests，理清楚三者的关系。这里是python2，学习了python2的爬虫开发，python3也不在话下