最近在使用scrapy来制作爬虫以爬取一些网站上的信息，但是却出现了一个很奇怪的问题，即在网页中打开待爬取的URL，并在网页源代码中定位了某些待爬取的元素，但是当使用scrapy爬取数据时，却发现报错了，而错误竟然是所爬取到的网页中并没有我在浏览器中看到的元素，即对于同一个URL，爬取到的页面和我在浏览器中打开所看到的页面不一样！
在反复确认CSS类选择器没写错，爬虫所爬取的URL没有被重定向到另外的页面后，我发现事情并不简单。
而后我机缘巧合之下在不修改任何代码的情况下重新运行了一遍，却发现又爬取成功了，然后再试一次，又报错了，这时候我就知道，肯定是爬取到的页面是没有加载完全的页面了。
页面没加载完全的情况，我首先想到的有两种可能：
其一，部分数据是在网页加载中由js动态写入的，即在第一次请求中部分数据传给了js并由js在前端进行处理后再显示到页面上；
其二，便是网页数据采用了异步加载，在爬取网页的时候部分数据还没加载进来。
而基于scrapy是一个成熟的爬虫框架的考量，我想第一种情况应该不会出现，毕竟爬虫完全可以等页面初始化完成后再进行爬取，但是对于第二种情况却无法预先控制，因为数据加载是异步的。
基于如上考虑，那便直接考虑第二种情况，因此可以通过在浏览器控制台的Network中查看所有发送的请求，查看是否自己所需的数据是被异步加载了。如下图，可以对每一条请求的Response进行查看，手动查看是否返回了自己所需的信息。
对于我的情况，果不其然，如上图所示，便被我找到了整个异步请求的返回的json格式的数据，其中包含了所有我需要的信息，我甚至不需要再去对网页进行爬取，只需如下图所示，查看该请求的Header，可以看到该异步请求的请求格式，即图中的Request URL
将获得的Request URL复制到浏览新窗口中打开，可以看到如下图，能够访问到json格式的返回数据，这表明网站并没有对这种请求进行拦截，这也使得我不需要再去从页面上爬取数据了，我只需直接构造相应的URL然后分析返回的json数据即可，大功告成！
