python - 怎么查看網址做的是什么反爬蟲
問題描述
網址:https://www.nvshens.com/g/22377/,該網站直接游覽器打開然后,點擊圖片右鍵是可以下載的,然后我爬蟲直接請求下來的圖片就已經被屏蔽了,然后我改了headers跟設置了ip代理,還是沒用。但抓包來看也不是動態加載的數據呀?。?!求解答= =
問題解答
回答1:妹子挺漂亮的哈。右鍵確實能打開,但是刷新一下就成盜鏈圖片了。一般防盜鏈,服務器端是會檢查請求頭里面的Referer字段,這就是為什么刷新后就不是原圖的原因(刷新后Referer變了)。
img_url = 'https://t1.onvshen.com:85/gallery/21501/22377/s/003.jpg'r = requests.get(img_url, headers={’Referer’:'https://www.nvshens.com/g/22377/'}).contentwith open('00.jpg',’wb’) as f: f.write(r)回答2:
獲取圖片時抓包看漏什么參數沒。
回答3:光顧著看網站內容,差點忘記了正式了。你可以把你請求的信息全部按照
然后在試試
回答4:Referer 照這網站的設計應該是各別的頁面會比較符合假裝是人的行為,而并不是用單一的Referer以下是完整能跑的代碼,抓18頁所有的圖片
# Putting all togetherdef url_guess_src_large (u): return ('https://www.nvshens.com/img.html?img=' + ’/’.join(u.split(’/s/’)))# 下載函數def get_img_using_requests(url, fn ): import shutil headers [’Referer’] = url_guess_src_large(url) #'https://www.nvshens.com/g/22377/' print (headers) response = requests.get(url, headers = headers, stream=True) with open(fn, ’wb’) as out_file:shutil.copyfileobj(response.raw, out_file) del responseimport requests# 用xpath擷取內容from lxml import etreeurl_ = ’https://www.nvshens.com/g/22377/{p}.html’ headers = { 'Connection' : 'close', # one way to cover tracks 'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2900.1 Iron Safari/537.36}'}for i in range(1,18+1): url = url_.format(p=i) r = requests.get(url, headers=headers) html = requests.get(url,headers=headers).content.decode(’utf-8’) selector = etree.HTML(html) xpaths = ’//*[@id='hgallery']/img/@src’ content = [x for x in selector.xpath(item)] urls_2get = [url_guess_src_large(x) for x in content] filenames = [os.path.split(x)[0].split(’/gallery/’)[1].replace('/','_') + '_' + os.path.split(x)[1] for x in urls_2get] for i, x in enumerate(content):get_img_using_requests (content[i], filenames[i])
相關文章:
1. javascript - 請問 chrome 為什么會重復加載圖片資源?2. (python)關于如何做到按win+R再輸入文件文件名就可以運行?3. mysql - 分庫分表、分區、讀寫分離 這些都是用在什么場景下 ,會帶來哪些效率或者其他方面的好處4. python - 能通過CAN控制一部普通的家用轎車嗎?5. c++ - 請問MySQL_Connection::isReadOnly 怎么解決?6. javascript - 請教如何獲取百度貼吧新增的兩個加密參數7. css3 - 微信前端頁面遇到的transition過渡動畫的bug8. Python爬蟲如何爬取span和span中間的內容并分別存入字典里?9. html5 - 只用CSS如何實現input框的寬度隨框里輸入的內容長短自動適應?10. javascript - 關于css絕對定位在ios瀏覽器被橡皮筋遮擋的問題
