遇到百度云加速,网页内容爬不到的快速解决
Posted want990
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了遇到百度云加速,网页内容爬不到的快速解决相关的知识,希望对你有一定的参考价值。
在爬网站时,发现网站做了百度云加速,每次访问首页时要求输入验证码,才能打开网站首页
没采用网上自动解析验证码图片的方案,快过年了,不想PIP,快速解决快速回家
经过分析网站,发现如果你拿到一个当期可用的Cooikes后,你就可以一直爬数据,且并不会触发百度验证输入
代码如下(注意:代码中的网址、Cookies都是假的,如果想用代码,把你自己的网址和Cookies替换上
import request
from datetime import datetime, timedelta from scrapy.selector import Selector s=requests.session() headers = { ‘cookie‘: ‘__cfduid=134343474e8d3f723cae541fb7d7f6b01f1546501720; _ga=GA1.2.573376275.1546501778; _gid=GA1.2.543022193.1549014020; cf_clearance=b19851c48ae560c62485879ac37a257a3f12df1e-1549086155-1800-250; ‘, ‘user-agent‘: ‘Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/536.34 (Khtml, like Gecko) Chrome/71.0.3578.98 Safari/537.34‘, } url = ‘https://www.samle.com/news/page/2/‘ res = requests.get(url,headers=headers) hxs = Selector(res) #print(res.text) datePub = hxs.xpath(‘//main[@class="content"]//time/text()‘).extract() #print (datePub) links = hxs.xpath(‘//main[@class="content"]//h2/a‘) for index, link in enumerate(links): pubDateStr = datePub[index] pubDateStr = pubDateStr.strip() url = ‘‘.join(link.xpath(‘./@href‘).extract()) item_pubDateStr = datetime.strftime(pubDate, ‘%Y-%m-%d‘) item_res = requests.get(url, headers=headers) item_hxs = Selector(item_res) item_title = item_hxs.xpath("//h2/text()").extract() item_content = item_hxs.xpath("//main//div[@class=‘econtent‘]/p//text()").extract() item_datePublish =item_pubDateStr item_linkAddress = url filename = datetime.now().strftime(‘%Y%m%d%H%M%S%f‘)+".txt" str_result = ‘{"linkAddress":["‘+url+‘"],‘ str_result = str_result + ‘"title":["‘+item_title[0]+‘"],‘ str_result = str_result + ‘"datePublish": ["‘+item_pubDateStr+‘"],‘ if len(item_content)>1: str_result = str_result + ‘"content": ["‘+item_content[0]+‘"]}‘ else: str_result = str_result + ‘"content": ["‘ + "" + ‘"]}‘ if len(str_result) >0: with open(filename, ‘w‘,encoding=‘utf-8‘) as f: f.write(str_result) print(item_title)
如何获取当期可用的Cookies的方法:
打开Chorme,打开“开发者工具”(按F12)
访问网址后
去开发发工具里的“Network”Tab页里去找它的Cookies!
enjoy :P
以上是关于遇到百度云加速,网页内容爬不到的快速解决的主要内容,如果未能解决你的问题,请参考以下文章