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
kisshere
V2EX  ›  程序员

pixabay 反爬好厉害,浏览器能访问,复制所有 headers 用 curl 抓取,直接 403,好神奇!

  •  
  •   kisshere · 2020-01-26 10:01:59 +08:00 · 6187 次点击
    这是一个创建于 1523 天前的主题,其中的信息可能已经有所发展或是发生改变。

    不能外出,在家闲来无事准备写爬虫练手,选了个 pixabay.com ,浏览器正常访问,复制浏览器 headers,用 curl 抓取页面内容:

    <?php
        $ch = curl_init('https://pixabay.com');
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
        curl_setopt($ch, CURLOPT_HEADER, true);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION,TRUE);
        curl_setopt($ch, CURLOPT_HTTPHEADER, array(
            "accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng;q=0.8,application/signed-exchange;v=b3",
            "Accept-Language:en-US,en;q=0.5",
            "Accept-encoding: identity",
            "User-agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36",
        ));
        $a = curl_exec($ch);
        curl_close($ch);
        echo $a;
    ?>
    

    直接返回 cloudflare 的 403,这是用了什么神奇的技术?我浏览器都能正常访问证明 ip 没被 ban

    我是 php 小白,希望大神不吝赐教

    10 条回复    2020-03-20 10:32:48 +08:00
    webshe11
        1
    webshe11  
       2020-01-26 10:11:53 +08:00
    搞个 BurpSuite 抓包,看看到底一样不一样
    ClarkAbe
        2
    ClarkAbe  
       2020-01-26 10:15:17 +08:00 via Android
    捕获服务端 SetCookie 然后用带 CfCookie 的请求再次.....
    kisshere
        3
    kisshere  
    OP
       2020-01-26 10:16:52 +08:00
    @ClarkAbe 浏览器清空 cookie 不带 referer 直接访问,还是能正常访问 pixabay,用 curl 就不行
    chzzzy
        4
    chzzzy  
       2020-01-26 10:21:05 +08:00 via iPhone
    有时候我挂梯访问也会被 403
    tqyq88
        5
    tqyq88  
       2020-01-26 10:23:57 +08:00
    测试通过
    curl 'https://pixabay.com/' -H 'authority: pixabay.com' -H 'cache-control: max-age=0' -H 'upgrade-insecure-requests: 1' -H 'user-agent: Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36' -H 'sec-fetch-user: ?1' -H 'accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3' -H 'sec-fetch-site: cross-site' -H 'sec-fetch-mode: navigate' -H 'referer: https://v2ex.com/t/640340' -H 'accept-language: zh-CN,zh;q=0.9' -H 'cookie: __cfduid=d449a6f26015565933edbff1e02f115151580005222; anonymous_user_id=f886998b-0a14-45fb-a0f4-77c58f2f627b; _ga=GA1.2.1192310497.1580005225; _gid=GA1.2.1957918665.1580005225; _gat_UA-20223345-1=1; is_human=1; _sp_id.aded=c8cdb6f1-c436-4cd6-8434-7055755d8aba.1580005226.1.1580005226.1580005226.5a63ed0f-69dc-4111-ba9b-a09f3f22a098; _sp_ses.aded=*; client_width=1399'
    0x400
        6
    0x400  
       2020-01-26 12:01:30 +08:00 via Android
    baobao1270
        7
    baobao1270  
       2020-01-26 12:57:56 +08:00
    说不定是 Cookie 每次请求刷新……
    kisshere
        8
    kisshere  
    OP
       2020-01-26 13:31:10 +08:00
    @tqyq88 我这儿还是 403
    bloggergo
        9
    bloggergo  
       2020-01-26 19:09:18 +08:00
    可能是网站使用了 cloudflare 的防盗链保护,需要检测 referer 同源或者空 referer 也可以,其他的域名会 403,还有 curl 的"Accept-encoding: identity"这个和用户浏览器有不同。
    haha370104
        10
    haha370104  
       2020-03-20 10:32:48 +08:00
    @baobao1270 cookie 里面的 _sp_id.aded 参数每次都会变,里面有个时间戳
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   1002 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 34ms · UTC 20:03 · PVG 04:03 · LAX 13:03 · JFK 16:03
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.