抓取 AMP 版本的网页是否更容易？

Question

我正在开发一个汇总报纸文章的网络抓取工具。我知道 AMP 协议要求使用精简版的 Javascript，而且我也知道 Javascript（部分）使网站管理员能够检测/防止抓取。所以从逻辑上讲，我认为抓取 AMP 网站会更容易。然而，另一方面，如果这是真的，我认为 StackOverflow 会在它之上，但我还没有找到一个线程来重申我的推论。我是正确的还是我忽略了什么？

Answer 1

我会说 AMP 页面肯定更容易抓取，因为实际上没有自定义 JS 代码。许多网站使用 JS 或 AJAX 插入内容。 AMP 限制了您可以使用的库数量，因此与常规网站相比，它们的数量更少。

此外，如果你想抓取用 JavaScript 编写的内容，你应该可以使用 Selenium。如果没有，PHP 是必经之路（恕我直言）或 Python 中的 BeautifulSoup。

祝你刮得愉快！