V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
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
qybing
V2EX  ›  Python

在爬取大众点评商铺信息的时候,遇到的反爬的

  •  
  •   qybing · 2018-08-28 21:12:35 +08:00 · 5146 次点击
    这是一个创建于 2263 天前的主题,其中的信息可能已经有所发展或是发生改变。

    我在抓取大众点评中商铺信息的时候,当我使用动态切换 IP (使用的是阿布云 IP 代理的)抓取的时候,被重定向到验证码的页面,但是当我不使用 IP 代理的时候,返回正常的信息,是识别了动态代理 IP 了码?怎么识别的动态 IP,有方法绕过去吗?并且在抓取部分字段时,有的在网页中,但是有的只给了一个标签,里面什么内容都没有,如何破?

    18 条回复    2018-11-06 10:40:27 +08:00
    bmos
        1
    bmos  
       2018-08-28 21:34:35 +08:00
    IP 重定向可能和 cookie 有关,试试加上 cookie。只有标签是因为用 js 加载的吧,要找到实际的请求,或者用 selenium,但是太慢了。这些都是我遇到类似情况的猜测,实际也没有解决。
    1069401249
        2
    1069401249  
       2018-08-28 22:16:48 +08:00
    注册几十个账号,每次用不同的账号请求+换 ip,之前爬 zillow 是这样绕过的
    coffeSlider
        3
    coffeSlider  
       2018-08-28 23:06:40 +08:00 via Android   ❤️ 1
    朋友,你有办法获取代理,凭什么大众点评的人没办法?
    andylsr
        4
    andylsr  
       2018-08-28 23:11:48 +08:00 via Android
    代理是不是无效的?测试过吗
    dorentus
        5
    dorentus  
       2018-08-28 23:16:23 +08:00 via iPhone
    最简单地策略,它直接识别所有已知云服务的 IP 段就行了,真正的用户一般不会从那边发起请求的…
    qybing
        6
    qybing  
    OP
       2018-08-28 23:30:50 +08:00
    @coffeSlider IP 代理测试过,其他网站都可以
    qybing
        7
    qybing  
    OP
       2018-08-28 23:31:46 +08:00
    @coffeSlider 那有其他解决方法绕过去吗,
    @dorentus
    feverzsj
        8
    feverzsj  
       2018-08-28 23:33:28 +08:00   ❤️ 1
    点评网连正常用户访问都要频繁填验证码
    greatbody
        9
    greatbody  
       2018-08-28 23:50:26 +08:00
    @feverzsj 那是绝了
    zzzwwwlll
        10
    zzzwwwlll  
       2018-08-29 09:44:41 +08:00
    我之前爬的时候记得好像要根据 ua 生成 cookie 的
    internelp
        11
    internelp  
       2018-08-29 10:35:10 +08:00
    有防御策略是根据 IP 库来的,IDC 的 IP 段一般是不被信任的。你能找到的代理地址,可能也是在不被信任列表的。
    qybing
        12
    qybing  
    OP
       2018-08-29 12:35:05 +08:00 via iPhone
    chrome 开无痕模式,直接访问商铺详情页,返回为空,如果先访问主页在访问商铺详情页,返回是正常的,这是根据 cookie 做反爬的吗?,没有登录时候 cookie 是如何变化的,通过 js ?
    jtwor
        13
    jtwor  
       2018-08-29 14:09:46 +08:00
    和美团一样,爬的时候必须先去首页获取一次 cookie,应该只有 5 分钟左右有效期,但我遇到的问题是 100 次访问后就被检测出来,返回垃圾数据,不知道触发了什么
    neoFaster
        14
    neoFaster  
       2018-08-29 16:27:54 +08:00
    你用公用的 ip 代理, 其他人也会用. 自然会落到大型网站的 blacklist 中.
    szuwl
        15
    szuwl  
       2018-08-29 17:11:01 +08:00
    将 IP 池筛一下,把不能访问你想要爬的网站的 IP 筛掉
    Mrrrrr10
        16
    Mrrrrr10  
       2018-09-28 11:02:27 +08:00
    楼主解决了吗?我用代理也是这样,我自己搞了一个 cookie 池,cookie 应该不是出问题的原因,换代理就出 302
    Mrrrrr10
        17
    Mrrrrr10  
       2018-09-28 11:10:00 +08:00
    @1069401249 我就是 cookie 池加动态代理,一样 302,但是自己的 ip 就可以,请问大哥,啥原因
    1069401249
        18
    1069401249  
       2018-11-06 10:40:27 +08:00
    @Mrrrrr10 难道会验证 ip 和 cookie 绑定?
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3498 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 04:35 · PVG 12:35 · LAX 20:35 · JFK 23:35
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.