淘宝外卖（口碑外卖）有App版和H5版两个版本。经验（直觉）告诉我们淘宝的App肯定是有保护措施的（签名机制），那我们就直奔H5版本了。H5版本的入口地址是：https://h5.m.taobao.com/app/waimai/index.html，你需要启动浏览器的手机兼容模式才能在PC浏览器中正常浏览（如何开启？我们之前的文章里有介绍：http://www.site-digger.com/html/articles/20160718/127.html）。
稍微抓包分析就可以看到数据全是Ajax动态加载的，不论是店铺列表页还是店铺详情页。当你尝试去构造这个Ajax请求时，会发现悲剧了。它同样也有一个签名参数sign（如下图所示）。这个值是根据data参数动态计算出来的，经验告诉我们想搞清楚这个算法是不容易的。如果我们不提交这个参数或者提交一个错误的值，服务器会返回错误。
有经验的爬虫工程师立马会想到，那我们就曲线救国吧，使用模拟浏览器，来绕过这个签名机制。但是当你再仔细分析时发现又悲剧了，Ajax动态加载数据后，页面HTML里还是看不到店铺的详细信息（只能看到名称、月销量、起送金额之类的，如下图所示）。
PS：科普一下模拟浏览器的数据抓取方式，顾名思义就是通过程序控制浏览器去抓取数据，最大的优点是可以不关心数据的加载方式（动态加载还是静态页面），能绕过各种加密方式。直接从最终的页面源码（数据加载完成后）中提取想要的字段。（缺点是速度慢，资源开销大）。
我去，太狠了吧。Ajax返回的信息里明明有店铺详细的信息（甚至连电话、营业时间、营业执照信息都有啊），可惜动态加载后的页面中找不到（故意的），甚至控制台查看所有JS变量也找不到：dir(window)。我们需要的数据不在页面源码里，传统的模拟浏览器的方式也行不通了。
看来我们只能想办法拦截那个浏览器的Ajax应答，然后从Ajax应答里提取数据了。之前我们曾介绍过可以通过Fiddler + Custom Rules脚本来实现类似的功能（http://www.site-digger.com/html/articles/20170810/137.html），这里我们可以利用类似的方案，让 Custom Rules把捕获到的Ajax应答数据记录下来，然后我们再从里面提取想要的信息。
不过今天要换一种方案（条条大路通罗马）。我们换用SlimerJS(https://slimerjs.org/)，它和PhantomJS类似可以用Javascript来驱动它为我们工作。它比PhantomJS优越的地方是它提供一个可以捕获HTTP事件的接口，我们可以利用它的onResourceReceived接口在HTTP应答到达的时候进行捕获。而且它支持多线程。
最后再秀一下抓取过程和最终获取到数据的截图：
本文原创作者：鲲之鹏（http://www.site-digger.com）