Python 爬 ehentai 发生了一些诡异的事情，特来求救
RqPS6rhmP3Nyn3Tm · 2016-05-08 15:14:21 +08:00 · 12709 次点击这是一个创建于 3121 天前的主题，其中的信息可能已经有所发展或是发生改变。
本来我还在想， e 站直接把图片地址放在 html 里，连解析 JS 都省了，最多二十分钟搞定。现在想想，还是太年轻。
因为发生了一些很奇怪的事情。
-
墙内浏览器访问正常， Python 获取会报
connection reset by peer。我猜多半是墙的锅， ss 不方便断点调试我就挂了个 VPN ，果然错误没有了。很奇怪为什么浏览器不会reset。 -
本来很快就写好了，挂
proxychains测试的时候发现更诡异的事情，似乎 e 站会根据 IP 的不同返回不同的网页结构，比如这样
和这样的 
，不知道是什么原理。如果网页结构都会变的话，我也不知道怎么写 beautifulsoup解析了……
咳，代码挂在 这里，能帮忙看一下那就最好了。
第 1 条附言 · 2016-05-08 16:36:11 +08:00
网页结构会变的问题通过 iframe 的相对位置解决了，不过 connection reset 还是很奇怪，继续研究中
 |
1
UnisandK 2016-05-08 15:29:07 +08:00  1
握爪，我之前也写过 e 绅士的爬虫
写完才知道它家是有 API 的 https://ehwiki.org/wiki/API |
 |
2
RqPS6rhmP3Nyn3Tm OP |
|
3
RqPS6rhmP3Nyn3Tm OP @UnisandK 不对，这 API 其实没啥用，给出的图片地址是缩略图的
|
 |
4
Bryan0Z 2016-05-08 15:56:36 +08:00 via Android
我猜你用的国内浏览器，云端加速功能关了就不能正常打开了
|
|
5
RqPS6rhmP3Nyn3Tm OP @Bryan0Z 我用的是 chrome ，你看这这标志性的开发者工具
|
 |
6
vmebeh 2016-05-08 15:58:34 +08:00
环境变量`http_proxy` `https_proxy` 可以设置代理
|
|
7
RqPS6rhmP3Nyn3Tm OP @vmebeh 其实代理不是问题，挂个 proxychains 就好了，关键是浏览器不会 connection reset 而网页结构会变让我感到很奇怪
|
|
8
vmebeh 2016-05-08 16:07:18 +08:00
F12 看一下请求头的 Remote Address 就知道浏览器是不是走了代理
|
|
9
RqPS6rhmP3Nyn3Tm OP @vmebeh 然而并没有， strange
|
 |
10
oott123 2016-05-08 16:25:59 +08:00 via Android
你描述的这些现象，可能是由于 UA ，也可能是 Accept 头，也可能是 Accept-Language 头不同。
|
|
11
RqPS6rhmP3Nyn3Tm OP @oott123 我在想的是，即便是 chrome ，在配置不变的情况下，也会返回不同的网页结构，我猜也许和 UA 没有关系。
这个问题我通过 iframe 的相对位置解决了，不过 connection reset 还是很诡异。 |
 |
12
1423 2016-05-08 16:54:14 +08:00
这不是代理或者网络的问题，楼上的答案都偏题了
是 eheitai 前很久弄得 eheitai home 计划，为了分发图片的 大概就是 p2p 那种，你也可以跑个作为图床，就会发现有图片下载下来了 |
|
13
1423 2016-05-08 16:56:57 +08:00
Hentai@Home
|
 |
14
qnnnnez 2016-05-08 16:58:35 +08:00 via Android
没遇到过这样的问题，怀疑是 UA ？
第一幅图少了 onclick ，这样一来 ajax 也没了，可能它觉得你禁用 js 了？ |
|
15
RqPS6rhmP3Nyn3Tm OP |
|
16
qnnnnez 2016-05-08 17:32:25 +08:00
@BXIA 感觉不像。
Hentai@Home 只是提供了图片而已，不会提供网页。无论图片是不是 h@h 提供的， html 应该是不会改变的，只是图片的 URL 会变。 |
|
17
RqPS6rhmP3Nyn3Tm OP @qnnnnez 同一个 Chrome ，我想应该不会改变 UA ，这样就很诡异了
|
|
19
RqPS6rhmP3Nyn3Tm OP @qnnnnez 我用的是自己的 SS ，应该不会。
|
|
20
UnisandK 2016-05-08 19:14:27 +08:00 1
@BXIA 之前触发回复频繁的限制了╮(╯_╰)╭，抱歉隔这么久才回
官方文档写得比较烂，看看这个 https://github.com/tommy351/ehreader-android/wiki/E-Hentai-JSON-API  API 虽然的确很不好用，但是借助它会比纯爬虫的方式实现好很多 |
 |
21
hanqi7012 2016-05-08 19:16:39 +08:00 via Android
h@h 是不是在国内不能运行了？
|
 |
22
Krime 2016-05-08 19:31:09 +08:00
|
|
23
qnnnnez 2016-05-08 19:33:52 +08:00 via Android
|
|
24
RqPS6rhmP3Nyn3Tm OP @UnisandK 感谢……明天研究一下，今天折腾这玩意实在是有点心累
|
|
25
RqPS6rhmP3Nyn3Tm OP @UnisandK 哇靠，这 API 也太丑了吧，我都看不下去了
|
 |
26
zmj1316 2016-05-08 20:45:11 +08:00
因为 eh 家有个 hath,相当于把图片分布到大量的用户机器上 serve 了，有可能你被分配到的那个 hath 用户的 ip 被墙了就 reset 了？
|
|
27
RqPS6rhmP3Nyn3Tm OP @zmj1316 不，是主站 reset
|
 |
28
so898 2016-05-09 02:03:25 +08:00
一整栋楼的绅士……虽然我也写过 ehentai 的抓取器……
那时候就发现 ehentai 这货返回的 html 会有不一样的，之前还以为是浏览器插件，后来发现要固定 user-agent 来抓 再后来尝试了浏览器插件来抓图…… |
Select Language