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。
欢迎喜欢编程的朋友,关注我的微信公众号:面向人生编程










