怎么用JavaScript爬虫百度贴吧数据

这篇文章主要介绍“怎么用JavaScript爬虫百度贴吧数据”，在日常操作中，相信很多人在怎么用JavaScript爬虫百度贴吧数据问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用JavaScript爬虫百度贴吧数据”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

抓取帖子用的JavaScript函数如下：

function getPostByAJAX(requestURL){   var html = $.ajax({         url: requestURL,         async: false}).responseText;         return html;
}

就是一个非常简单的AJAX请求：

传入该函数的输入参数requestURL的值为：  http://tieba.baidu.com/i/i/my_tie

上面的url，我直接在浏览器里访问可以正常工作，返回47.2KB大小的数据。

然而当我用AJAX函数访问该url时，在Chrome开发者工具里遇到如下错误：

然而，这个错误没有任何明细信息，我没有线索去排错。

于是，就有了本文这个Chrome开发者工具的隐藏技能的用武之地。

在Chrome地址栏打开:  chrome://net-internals

点击Event标签页：

再回到我的百度贴吧爬虫网页，该网页发起AJAX请求，按F5刷新后发送一个新的请求，然后回到Chrome开发者工具。

该AJAX请求的明细就详细显示出来了。找到我关心的url： http://tieba.baidu.com/i/i/my_tie

chrome://net-internals 这个界面显示的网络请求的明细比Network标签页里要详细得多：

在响应头字段里发现了引起这个错误的一些线索：

从上面的截图发现，HTTP响应状态字段为302，location字段为 “ http://static.tieba.baidu.com/tb/error.html?ErrType=1 ” 。这两条线索给了我提示：这个错误一定和百度网站的登陆状态处理相关：我使用的url不支持匿名访问。

我在浏览器里访问该url能够成功，因为我的Cookie在起作用。

Goole了一下，发现了解决方案。在AJAX的请求参数中添加:

xhrFields:{
withCredentials: true}

如此一来，可以将我的cookie和AJAX请求一齐发送给百度服务器。

加上该参数后，请求就能够得到期望的响应了。

使用Chrome开发者工具这个隐藏技能，我们还能观察到一些其他的平时很难发现的细节。

比如我的AJAX请求通过本地的jQuery库文件发出，我的HTML代码里直接引用了本地文件jquery1.7.1.js。在运行时，这个jquery1.7.1.js文件需要被加载到内存中。

使用这个隐藏技能，我现在能观察到jquery1.7.1.js是通过分块的方式被读入到内存中的，参考现在URL_REQUEST_JOB_BYTES_READ的参数：byte_count = 32768。总共分了8块读取，最后1块因为尺寸不满32768，只读了剩下的22285字节。

这8块的总字节数251661正好是jquery1.7.1.js的字节数。由此再次证明， chrome://net-internals 提供的功能比Network标签页里的要强大。

到此，关于“怎么用JavaScript爬虫百度贴吧数据”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！