① 对于网页端来说通常加密的算法是写在 js 代码里的，所以首先你要对 js 语言有所了解。

至少知道 js 基础的内容，其次找到对应 js 加密代码，然后找出关键的函数。

把 js 代码在 node.js 环境进行调试，最后在 Python 环境下利用 execjs 库去执行调试好的代码。

② 就是模拟浏览器环境直接获取渲染后的数据，最常用的手段就是利用 Selenium 框架了。

这种方式非常便利，当然对应的缺点就是效率非常低下。不过现在有新的框架来取代 Selenium，即 Puppeteer，这个框架你可以看出是异步版的 Selenium。
​
对于爬虫程序，一个万能公式：

爬虫程序 = 网络请求 + 数据解析 + 数据存储

这三部分就对应这爬虫的基础，任何一个爬虫程序都会保存这三部分的内容，一些复杂的爬虫无非是在此基础上添加些别的内容。

3）获取不到网页的全部代码

问题：

通过request方法获取的网页代码与在浏览器看到的网页源码不一致

解决方法：

由于很多网页的数据传输是通过js命令传到网页的，因此使用request()方法不能获取通过js传递过来的信息代码，此时通过使用selenium库来模拟浏览器运行，就像真正的用户在操作一样，可通过此方法可获得该网页的源码。

from selenium.webdriver.support.wait import WebDriverWait
browser = webdriver.Chrome()
browser.get(Url)
html = browser.page_source

（4）点击下一页时网页网址不变

问题：

在爬取的过程中，由于要爬取每个律师详细信息所对应的网址，因此涉及到翻页的问题，但在网页上实时点击下一页时发现网址并没有发生变化。

解决方法：

通过使用selenium中nextpagebutton.click()方法来模拟跳转到下一页，从而对下一页的内容进行获取。

nextpagebutton = browser.find_element_by_xpath(‘//*[@class=“next_page”]’) # 定位到“下一页”按钮
nextpagebutton.click() # 模拟点击下一页
wait = WebDriverWait(browser, 10) # 浏览器等待10s

（5）文本节点问题

首先看两个HTML代码；

这是你眼中的HTML代码：

这是计算机眼中的HTML代码：

解决方法：

在BS4中，我们在HTML中看到的换行符以及空格都是NavigableString 也就是文本节点。

（6）解析网页时，如何快速找到数据存放的位置，并提取其中的数据？

这是很多新手会遇到的一个问题，就是虽然运行我的代码没有问题，大概逻辑也能读得懂，但是想修改一下爬取同类网站，或者同一个网站的其他数据时，却不知从何下手。

这个其实是对工具使用不熟悉而已；

我这里简单讲解一下（beautifulSoup）常用的使用技巧（当然它有很多强大便捷的功能，我这里只介绍几个常用的，很好用的函数，这几个用好了一样可以应付几乎所有网站）

首先，爬取之前需要定位到数据所在的标签，这个使用 F12 开发者工具中的这个按钮，点一下按钮，然后点一下网页，可以很快定位到页面中的相应标签。

这步就不详细说了，很简单的，自己摸索一下。

​