工欲善其事必先利其器的道理相信大家都懂。而作為經(jīng)常要和各大網(wǎng)站做拉鋸戰(zhàn)的爬蟲(chóng)工程師們，則更需要利用利用好身邊的一切法器，以便更快的攻破對(duì)方防線。今天我就以日常爬蟲(chóng)流程，給大家介紹十款工具，相信大家掌握之后，必定能夠在工作效率上，提升一個(gè)量級(jí)。

爬蟲(chóng)***步做什么?當(dāng)然是目標(biāo)站點(diǎn)分析

1.Chrome

Chrome屬于爬蟲(chóng)的基礎(chǔ)工具，一般我們用它做初始的爬取分析，頁(yè)面邏輯跳轉(zhuǎn)、簡(jiǎn)單的js調(diào)試、網(wǎng)絡(luò)請(qǐng)求的步驟等。我們初期的大部分工作都在它上面完成，打個(gè)不恰當(dāng)?shù)谋扔?，不用Chrome，我們就要從智能時(shí)代倒退到馬車(chē)時(shí)代。

同類(lèi)工具： Firefox、Safari、Opera

2.Charles

Charles與Chrome對(duì)應(yīng)，只不過(guò)它是用來(lái)做App端的網(wǎng)絡(luò)分析，相較于網(wǎng)頁(yè)端，App端的網(wǎng)絡(luò)分析較為簡(jiǎn)單，重點(diǎn)放在分析各個(gè)網(wǎng)絡(luò)請(qǐng)求的參數(shù)。當(dāng)然，如果對(duì)方在服務(wù)端做了參數(shù)加密，那就涉及逆向工程方面的知識(shí)，那一塊又是一大籮筐的工具，這里暫且不談。

同類(lèi)工具：Fiddler、Wireshark、Anyproxy

接下來(lái)，分析站點(diǎn)的反爬蟲(chóng)。

3.cUrl

維基百科這樣介紹它。cURL是一個(gè)利用URL語(yǔ)法在命令行下工作的文件傳輸工具，1997年***發(fā)行。它支持文件上傳和下載，所以是綜合傳輸工具，但按傳統(tǒng)，習(xí)慣稱cURL為下載工具。cURL還包含了用于程序開(kāi)發(fā)的libcurl。

在做爬蟲(chóng)分析時(shí)，我們經(jīng)常要模擬一下其中的請(qǐng)求，這個(gè)時(shí)候如果去寫(xiě)一段代碼，未免太小題大做了，直接通過(guò)Chrome拷貝一個(gè)cURL，在命令行中跑一下看看結(jié)果即可，步驟如下：

4.Postman

當(dāng)然，大部分網(wǎng)站不是你拷貝一下cURL鏈接，改改其中參數(shù)就可以拿到數(shù)據(jù)的，接下來(lái)我們做更深層次的分析，就需要用到Postman“大殺器”了。為什么是“大殺器”呢?因?yàn)樗鴮?shí)強(qiáng)大。配合cURL，我們可以將請(qǐng)求的內(nèi)容直接移植過(guò)來(lái)，然后對(duì)其中的請(qǐng)求進(jìn)行改造，勾選即可選擇我們想要的內(nèi)容參數(shù)，非常優(yōu)雅。

5.Online JavaScript Beautifier

用了以上的工具，你基本可以解決大部分網(wǎng)站了，算是一個(gè)合格的初級(jí)爬蟲(chóng)工程師了。這個(gè)時(shí)候，我們想要進(jìn)階就需要面對(duì)更復(fù)雜的網(wǎng)站爬蟲(chóng)了，這個(gè)階段，你不僅要會(huì)后端的知識(shí)，還需要了解一些前端的知識(shí)，因?yàn)楹芏嗑W(wǎng)站的反爬措施是放在前端的。你需要提取對(duì)方站點(diǎn)的js信息，并需要理解和逆向回去，原生的js代碼一般不易于閱讀，這時(shí)，就要它來(lái)幫你格式化吧！

6.EditThisCookie

爬蟲(chóng)和反爬蟲(chóng)就是一場(chǎng)沒(méi)有硝煙的拉鋸戰(zhàn)，你永遠(yuǎn)不知道對(duì)方會(huì)給你埋哪些坑，比如對(duì)Cookies動(dòng)手腳。這個(gè)時(shí)候你就需要它來(lái)輔助你分析，通過(guò)Chrome安裝EditThisCookie插件后，我們可以通過(guò)點(diǎn)擊右上角小圖標(biāo)，再對(duì)Cookies里的信息進(jìn)行增刪改查操作，大大提高對(duì)Cookies信息的模擬。

接著，我們開(kāi)始設(shè)計(jì)爬蟲(chóng)的架構(gòu)。

7.Sketch

當(dāng)我們已經(jīng)確定能爬取之后，我們不應(yīng)該著急動(dòng)手寫(xiě)爬蟲(chóng)。而是應(yīng)該著手設(shè)計(jì)爬蟲(chóng)的結(jié)構(gòu)。按照業(yè)務(wù)的需求，我們可以做一下簡(jiǎn)單的爬取分析，這有助于我們之后開(kāi)發(fā)的效率，所謂磨刀不誤砍柴工就是這個(gè)道理。比如可以考慮下，是搜索爬取還是遍歷爬取?采用BFS還是DFS?并發(fā)的請(qǐng)求數(shù)大概多少?考慮一下這些問(wèn)題后，我們可以通過(guò)Sketch來(lái)畫(huà)一下簡(jiǎn)單的架構(gòu)圖。

同類(lèi)工具：Illustrator、 Photoshop

開(kāi)始愉快的爬蟲(chóng)開(kāi)發(fā)之旅吧！終于要進(jìn)行開(kāi)發(fā)了，經(jīng)過(guò)上面的這些步驟，我們到這一步，已經(jīng)是萬(wàn)事俱備只欠東風(fēng)了。這個(gè)時(shí)候，我們僅僅只需要做code和數(shù)據(jù)提取即可。

8.XPath Helper

在提取網(wǎng)頁(yè)數(shù)據(jù)時(shí)，我們一般需要使用xpath語(yǔ)法進(jìn)行頁(yè)面數(shù)據(jù)信息提取，一般地，但我們只能寫(xiě)完語(yǔ)法，發(fā)送請(qǐng)求給對(duì)方網(wǎng)頁(yè)，然后打印出來(lái)，才知道我們提取的數(shù)據(jù)是否正確，這樣一方面會(huì)發(fā)起很多不必要的請(qǐng)求，另外一方面，也浪費(fèi)了我們的時(shí)間。這個(gè)就可以用到XPath Helper了，通過(guò)Chrome安裝插件后，我們只需要點(diǎn)擊它在對(duì)應(yīng)的xpath中寫(xiě)入語(yǔ)法，然后便可以很直觀地在右邊看到我們的結(jié)果，效率up+10086。

9.JSONView

我們有時(shí)候提取的數(shù)據(jù)是Json格式的，因?yàn)樗?jiǎn)單易用，越來(lái)越多的網(wǎng)站傾向于用Json格式進(jìn)行數(shù)據(jù)傳輸。這個(gè)時(shí)候，我們安裝這個(gè)插件后，就可以很方便的來(lái)查看Json數(shù)據(jù)啦。

10.JSON Editor Online

JSONView是直接在網(wǎng)頁(yè)端返回的數(shù)據(jù)結(jié)果是Json，但多數(shù)時(shí)候我們請(qǐng)求的結(jié)果，都是前端渲染后的HTML網(wǎng)頁(yè)數(shù)據(jù)，我們發(fā)起請(qǐng)求后得到的json數(shù)據(jù)，在終端(即terminal)中無(wú)法很好的展現(xiàn)怎么辦?借助JSON Editor Online就可以幫你很好的格式化數(shù)據(jù)啦，一秒格式化，并且實(shí)現(xiàn)了貼心得折疊Json數(shù)據(jù)功能。

既然看到這里，相信你們一定是真愛(ài)粉啦，送你們一個(gè)彩蛋工具。

0.ScreenFloat

它能來(lái)干嘛?見(jiàn)名思意，就是一個(gè)屏幕懸浮工具，然而我最近才發(fā)現(xiàn)它特別重要，尤其我們需要分析參數(shù)時(shí)，經(jīng)常需要在幾個(gè)界面來(lái)回切換，這個(gè)時(shí)候有一些參數(shù)，我們需要比較他們的差異，這個(gè)時(shí)候，你就可以通過(guò)它先懸浮著，不用在幾個(gè)界面中來(lái)切換。非常方便。再送你一個(gè)隱藏玩法，比如上面這樣。

有其他好用的工具，歡迎小伙伴留言哈！