抓取网页数据违法吗(2.-toggle爬取数据，发现问题元素都选择好了)

　　抓取网页数据违法吗(2.-toggle爬取数据，发现问题元素都选择好了)

　　这是简易数据分析系列文章的第10期。

　　友情提示：这篇文章文章内容很多，信息量很大。希望大家在学习的时候多读几遍。

　　我们在朋友圈刷微博的时候，总是强调“刷”这个词，因为在看动态的时候，当内容被拉到屏尾的时候，APP会自动加载下一页的数据，从体验上来说看，数据将不断加载，永无止境。

　　今天我们要讲的是如何使用Web Scraper来抓取滚动到最后的网页。

　　今天的实践网站是知乎的数据分析模块的精髓。该网站是：

　　这次要刮的内容是精英帖的标题、回答者和点赞数。下面是今天的教程。

　　1.创建站点地图

　　一开始，我们需要创建一个容器，其中收录要捕获的三种数据。为了实现滚动到最后加载数据的功能，我们选择容器的Type为Element scroll down，即滚动到网页底部加载数据。

　　在这种情况下，所选元素被命名为 div.List-item。

　　为了复习上一节通过数据个数控制记录数的方法，我们在元素名后面加上nth-of-type(-n+100)，暂时只抓取前100个数据。

　　然后我们保存容器节点，在这个节点下选择要抓取的三种数据类型。

　　第一个是标题，我们命名为title，选中的元素命名为[itemprop='知乎:question'] a：

　　然后是响应者姓名和点赞数，选中元素名称为#Popover10-toggle a和button.VoteButton--up：

　　2. 爬取数据，发现问题

　　元素全部选中，我们按照Sitemap 知乎_top_answers -> Scrape -> Start craping 的路径爬取数据。等了十多秒才看到结果，内容让我们傻眼了：

　　数据呢？我要捕获哪些数据？为什么这一切都变成了空？

　　在计算机领域，null一般代表一个空值，表示什么都没有。当放置在 Web Scraper 中时，这意味着没有捕获任何数据。

　　我们可以回想一下，网页上确实有数据。在整个操作过程中，唯一的变量就是选择元素的操作。所以，一定是我们在选择元素时出错，导致内容匹配出现问题，无法正常爬取数据。要解决这个问题，我们需要看一下页面的构成。

　　3.分析问题

　　要查看一个网页的构成，我们需要用到浏览器的另一个功能，就是选择视图元素。

　　1.我们点击控制面板左上角的箭头，此时箭头颜色会变为蓝色。

　　2.然后我们将鼠标移到标题上，标题将被蓝色半透明蒙版覆盖。

　　3.我们再次点击标题，会发现我们会跳转到Elements子面板，里面收录了一些很难看懂的五颜六色的代码

　　这里不要害怕，这些HTML代码不涉及任何逻辑，它们只是网页中的一个骨架，提供一些排版功能。如果平时用markdown写，可以把HTML理解为markdown，功能更复杂。

　　结合HTML代码，我们看一下匹配规则[itemprop='知乎:question']

　　首先这是一个树结构：

　　首先是一个名为 h2 的标签

　　...，它有一个 class='ContentItem-title' 属性；

　　里面还有一个叫div的标签

　　...

　　, 它有属性 itemprop='知乎:question';

　　在 div 标签中还有一个名为 a 的标签...；

　　a标签里有一行，就是我们要抢的标题：如何快速成为数据分析师？

　　从可视化的角度来看，上一句其实是一个嵌套结构。我提取了关键内容。内容结构是否清晰得多？

　　如何快速成为一名数据分析师？