python爬取网页遇到521的处理方法

Posted 银色之刃

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python爬取网页遇到521的处理方法相关的知识,希望对你有一定的参考价值。

在网页中爬取数据时遇到status code: 521。参考:

https://blog.csdn.net/fm345689/article/details/84980340

https://zhuanlan.zhihu.com/p/25957793

导入execjs库。PyV8仅支持到Python 2.7,不支持Python 3.7。

 1 # -*- coding: utf-8 -*-
 2 
 3 import execjs
 4 import re
 5 import requests_html
 6 
 7 
 8 def parse_js(html):
 9     # 提取js加密函数
10     js_string = re.search((function.*)</script>, html).group(1)
11     # 修改js数据,将eval改为return
12     js_string = js_string.replace(eval("qo=eval;qo(po);"), return po)
13     # 提取js函数的参数
14     # window.onload = setTimeout("hu(60)", 200)
15     js_func, js_args = re.search(rsetTimeout("(.*?)((.*?))",sd+), html).group(1, 2)
16     # 执行js获取cookie
17     js_result = execjs.compile(js_string).call(js_func, js_args)
18     # 提取 cookie
19     # document.cookie=‘_ydclearance=f530d15ec2689d8c524213bf-aacb-4966-bedd-cc982c6bb4ea-1549534240; expires=Thu, 07-Feb-19 10:10:40 GMT; domain=.66ip.cn; path=/‘; window.document.location=document.URL
20     cookie_str = re.search("cookie=\‘(.*?);", js_result).group(1)
21     return cookie_str
22 
23 
24 if __name__ == __main__:
25     session = requests_html.HTMLSession()
26     url = http://www.66ip.cn/1.html
27     headers = {
28         User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.96 Safari/537.36
29     }
30     response = session.get(url, headers=headers)
31     print(response.status_code)
32     cookies = response.cookies
33     cookies_text = ;.join([=.join(item) for item in cookies.items()])
34     if response.status_code == 521:
35         headers[cookie] = parse_js(response.text)
36         response = session.get(url, headers=headers)
37         print(response.status_code)
38     else:
39         pass

 

以上是关于python爬取网页遇到521的处理方法的主要内容,如果未能解决你的问题,请参考以下文章

python 爬网页 遇到重定向怎么处理

想用python爬取网页上的图片,但无法用select()方法定位图片的源地址?

python(27)requests 爬取网页乱码,解决方法

python爬虫中文乱码解决方法

Python爬取js动态添加的内容

爬虫遇到各种不同url怎么爬取