在爬取大众点评商铺信息的时候,遇到的反爬的

2018-08-28 21:12:35 +08:00
 qybing

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?

5170 次点击
所在节点    Python
18 条回复
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
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
2018-08-28 23:06:40 +08:00
朋友,你有办法获取代理,凭什么大众点评的人没办法?
andylsr
2018-08-28 23:11:48 +08:00
代理是不是无效的?测试过吗
dorentus
2018-08-28 23:16:23 +08:00
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
2018-08-28 23:30:50 +08:00
@coffeSlider IP 代理测试过,其他网站都可以
qybing
2018-08-28 23:31:46 +08:00
@coffeSlider 那有其他解决方法绕过去吗,
@dorentus
feverzsj
2018-08-28 23:33:28 +08:00
点评网连正常用户访问都要频繁填验证码
greatbody
2018-08-28 23:50:26 +08:00
@feverzsj 那是绝了
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
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
2018-08-29 12:35:05 +08:00
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
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
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
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
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
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
2018-11-06 10:40:27 +08:00
@Mrrrrr10 难道会验证 ip 和 cookie 绑定?

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/484073

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