最近在开发一个爬虫,抓取新浪网页,直接通过下载新浪首页的源码,然后字符串解析源码里面的所有url,再递归式的抓取一定深度后停止。
但是,现在网页基本都是动态网页,有些url可能是加载后才能生成的,所以目前的方法导致抓取的网页里面有些东西下载不全。
目前的想法是,linux下有没有什么框架可以模拟浏览器,获得加载后的网页内容,再提取里面的url,或者截获加载过程中浏览器发出的http请求的url,这样应该可以确保抓取网页的完整性。另外,目前是linux下c++开发的,最好不用换平台和语言,多谢各位了!
关于linux下模拟浏览器获取动态网页的方法
- 写回答
- 好问题 0 提建议
- 关注问题
- 邀请回答
-