最近在写小爬虫,有的网站的 cookie 是在本地的 js 生成的,奈何 js 代码太长,重构很麻烦,大家有什么比较快速便捷的方法吗,请指教。。。

2014-09-17 00:09:15 +08:00
 symons
最近在写小爬虫,有的网站的cookie是在本地的js生成的,奈何js代码太长,重构很麻烦,大家有什么比较快速便捷的方法吗,请指教。。。搞得好烦,
4785 次点击
所在节点    Python
9 条回复
oott123
2014-09-17 00:54:31 +08:00
PhantomJS
各种 headless 浏览器会是你想要的。
kchum
2014-09-17 00:55:22 +08:00
Selenium Phantomjs
symons
2014-09-17 01:52:21 +08:00
谢谢各位,我先去试试。:)
no13bus
2014-09-17 09:30:34 +08:00
@symons requests.Session 一直保持cookie的状态。还有你说的是本地js生成的是啥意思?有网站网址吗?帮你分析下?364416072@qq.com
no13bus
2014-09-17 09:30:53 +08:00
@symons requests.Session 一直保持cookie的状态。还有你说的是本地js生成的是啥意思?有网站网址吗?帮你分析下?
364416072@qq.com
Fedor
2014-09-17 09:37:39 +08:00
@no13bus document.cookie = 'foo=bar;path=/t';
symons
2014-09-17 17:27:34 +08:00
@oott123 @kchum @no13bus @Fedor
谢谢你们拉,渲染的话速度会比较慢,我决定先分析一下必要的cookie和js代码,模拟一下,估计得用比较长得时间分析。
symons
2015-02-25 13:32:43 +08:00
@oott123 @kchum @no13bus @Fedor
不好意思,各位,过了这么久才过来回复问题。关于那个问题,我已经解决了,不过是比较trick的办法绕过了防抓策略。
解决办法:
首先打一个请求,然后获得数据列表,每条数据有一个网站对应的id。我注意到这个网站首页上面是有推荐房间的。
### 一般的网站首页都有特价房型,这时候点进去是不需要很多东西的,哈哈,假定这个地址是URL_ORI###
然后我把id拼接到URL_ORI上面,去get就能得到所需要的数据。
转变了想法就搞定了。

: )
spiderGgl
2018-04-22 00:26:54 +08:00
老大,我也遇到了,心痛啊,亚洲航空的。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/133874

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX