推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 1589 天前的主题，其中的信息可能已经有所发展或是发生改变。
本地 python requests 直接抓这个网址的内容是 ok 的, 我从快代理上买了代理再用 requests 抓就不行, 但是我用 selenium 加上代理是可以看到这个网页的, 于是我先用 selenium 加代理打开网页, 然后把 requests headers(包括 cookies) 复制出来(就是从开发者模式复制出来), 再用 request 还是不行, requests 抓到的页面需要验证, 但是如果不使用代理, 直接用我本机的 ip, requests 使用 selenium + 代理 获取到的 requests header 使用 也是成功的。 请问这样的问题应该如何解决, 为什么 selenium 没有被禁, 但是 request 使用同样的 headers + 代理就不行, 除了 request header 里面的信息, 服务器是什么逻辑判断我的 request 是爬虫的
第 1 条附言 · 2020-07-28 14:42:02 +08:00
使用本地 ip:
1. selenium 正常
2. 使用 requests, requests 用本地正常打开浏览器 抓下来的 requests header , 访问正常
3. 使用 requests, requests 用代理的 selenium 抓下来的 requests header , 访问正常
使用代理:
1. selenium 正常
2. 使用 requests, requests 用本地正常打开浏览器 抓下来的 requests header , 访问 不正常, 只是抓到验证页面
3. 使用 requests, requests 用代理的 selenium 抓下来的 requests header , 访问 不正常, 只是抓到验证页面
1. selenium 正常
2. 使用 requests, requests 用本地正常打开浏览器 抓下来的 requests header , 访问正常
3. 使用 requests, requests 用代理的 selenium 抓下来的 requests header , 访问正常
使用代理:
1. selenium 正常
2. 使用 requests, requests 用本地正常打开浏览器 抓下来的 requests header , 访问 不正常, 只是抓到验证页面
3. 使用 requests, requests 用代理的 selenium 抓下来的 requests header , 访问 不正常, 只是抓到验证页面
 |
1
ooh 2020-07-28 12:12:25 +08:00
代理 IP 直接被识别成代理 IP 去了？
|
 |
2
zh1997 2020-07-28 12:25:14 +08:00 via iPhone
通过代理抓取的内容 和状态码是什么
|
 |
3
gluttony 2020-07-28 14:04:25 +08:00
cookies 或 LocalStorage 里有些值是通过 JavaScript 算的。你用 request 库不支持 eval js，请求时没有带上这些值就被判定为不正常请求了。
|
 |
4
woshichuanqilz OP @gluttony 本地 IP 不加代理可以的
|
|
5
woshichuanqilz OP @zh1997 一个验证页面就是填验证码的页面
|
|
6
woshichuanqilz OP @ooh 什么意思
|
 |
7
Te11UA 2020-07-28 15:58:54 +08:00
代理 IP 大部分都是复用的，被识别出来很正常，你自己的 IP 又没有什么异常行为当然放过你了。做验证码识别可以缓解。
|
|
8
gluttony 2020-07-28 17:04:21 +08:00
你有没有更换 user-agent ？
```bash curl 'https://www.amazon.co.uk/s?k=dress&ref=nb_sb_noss' \ -H 'user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.135 Safari/537.36 Edge/12.246' \ -H 'accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9' \ -H 'accept-language: en-US,en;q=0.9' \ --compressed ``` 用普通 ip 地址的话访问正常。把 user-agent 改成 curl 等不正常字符串就返回 301，如果你的 request lib 没有设置 follow redirect 的话就得不到正确的网页内容了。 |
Select Language