如何将Beautiful Soup应用于动态网站抓取？

从大多数网站收集公共数据可能不是什么难事。但还有许多网站是动态的，并且使用JavaScript加载其内容。使用JavaScript动态加载内容，又被称为AJAX（非同步的JavaScript与XML技术）。面对这种情况，我们就需要用到不同的方法来从这些网站上收集所需的数据。今天，Oxylabs将为您重点介绍使用Beautiful Soup抓取AJAX动态网站的相关内容。

如何检测网站是否是动态的？

本期视频选择了quotes.toscrape.com这个公共网站进行抓取演示。首先，判断一个网站是否是动态网站的最简单方法是使用Google Chrome或Edge，因为这两种浏览器内部都使用Chromium。

按F12键打开“开发者工具”，接着按下CTRL+SHIFT+P组合键打开“命令菜单”。

现在，我们可以看到很多命令。先输入禁用，将命令过滤之后，会出现禁用JavaScript的命令，选择此选项禁用JavaScript。

在某些情况下，网站仍然会显示数据，但只具有基本功能。

例如，一个网站可以无限滚动。但在禁用JavaScript之后，就会显示常规分页。

Beautiful Soup可以渲染JavaScript吗？

首先答案是不可以。具体来说，我们必须要了解“解析”和“渲染”的含义。解析就是将Python对象的字符串表示转换为实际对象。而渲染本质上是将HTML、JavaScript、层叠样式表（CSS）和图像解释成我们在浏览器中看到的东西。Beautiful Soup是一个用于从HTML文件中提取数据的Python库。这包括将HTML字符串解析为Beautiful Soup对象。解析时，我们首先需要HTML字符串。动态网站不会直接将数据保存在HTML中。因而，Beautiful Soup不能用于动态网站。

那么如何从动态网站中抓取数据？

Selenium库可以在Google Chrome或Firefox等浏览器中自动加载和渲染网站。尽管Selenium支持从HTML中提取数据，但也可以提取完整的HTML，并使用Beautiful Soup来代替提取数据。如想继续了解，可通过Oxylabs获得更多多详细信息！