requests + beautifulsoup 无法获取动态加载内容，因其仅获取原始html，不执行javascript；而playwright可启动无头浏览器渲染页面，配合等待策略与特征伪装，稳定抓取js生成内容。
为什么 requests + BeautifulSoup 拿不到动态加载的内容
因为 requests 只发 HTTP 请求，拿到的是服务器返回的原始 HTML，而页面中由 JavaScript 执行后才插入的 DOM 节点（比如滚动加载的商品列表、登录后的用户信息）根本不在这个原始 HTML 里。你用 BeautifulSoup 解析它，自然查不到 document.querySelectorAll('.item') 对应的元素。
常见现象包括：find_all() 返回空列表、关键字段始终为 None、抓取结果和浏览器开发者工具 Network → HTML 响应不一致。
这不是代码写错了，是技术选型错位——静态解析器无法执行 JS。
用 Playwright 启动无头 Chromium 是最稳的方案
Playwright 比 Selenium 更轻、启动更快、API 更一致，且默认支持等待网络空闲和元素出现，适合多数爬虫场景。
安装与基础用法：
pip install playwright playwright install chromium
关键实操建议：
- 用
page.goto(url, wait_until="networkidle")替代简单goto()，避免因异步请求未完成就提前解析 - 显式等待目标元素：用
page.wait_for_selector(".product-list li", timeout=10000)，而不是time.sleep() - 获取渲染后 HTML：用
page.content()，不是page.inner_html("body")（后者可能漏掉 head 或 script 标签） - 关闭自动等待 JS 执行：
page.set_default_timeout(15000)防止单页卡死影响整个流程
什么时候该切回 requests + API 逆向
如果目标网站结构清晰、JS 渲染只是调用固定接口（比如 /api/items?page=2），直接模拟请求比启浏览器快 5–10 倍，也更稳定。
判断方法：
- 打开浏览器开发者工具 → Network → 切到 XHR/Fetch，刷新页面，找带分页参数或 JSON 响应的请求
- 检查该请求是否带
Cookie或X-Requested-With等 header；若有，用requests.Session()复现即可 - 注意部分接口会校验
Referer或User-Agent，需一并带上 - 若接口返回数据含加密字段（如
data: "a1b2c3..."），说明有前端加解密逻辑，此时 Playwright 更省事
别忽略反爬对 Playwright 的干扰
很多网站会检测 webdriver、navigator.webdriver、chrome.runtime 等特征，直接返回 403 或空白页。
绕过要点：
- 启动时加
chromium.launch(headless=True, args=["--disable-blink-features=AutomationControlled"]) - 注入 JS 清除特征：
page.add_init_script("Object.defineProperty(navigator, 'webdriver', {get: () => undefined})") - 禁用图片/字体加载可提速：
page.route("**/*.{png,jpg,svg,woff,ttf}", lambda route: route.abort()) - 不要复用同一
browser实例跑大量不同域名请求，容易触发行为风控
真实环境里，JS 渲染页的难点往往不在“怎么等”，而在“等到了之后，怎么不被识破”。特征抹除必须做，而且得做全。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
