99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁(yè)大數(shù)據(jù)時(shí)代動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容
動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容
2020-12-31
收藏

公眾號(hào)：早起Python

作者：劉早起

大家好，我是早起。

在前幾天的文章中，我針某點(diǎn)評(píng)商家搜索頁(yè)面的字體反爬給出了解決方案，但是還有一個(gè)問(wèn)題，那就是當(dāng)時(shí)給出的方法是下載對(duì)應(yīng)的woff字體文件，然后建立加密字體與編碼之間的映射關(guān)系來(lái)進(jìn)行破解。

但是有一個(gè)問(wèn)題就是不同頁(yè)面的字體文件，是動(dòng)態(tài)加載的，換句話說(shuō)就是你在這個(gè)頁(yè)面建立的映射關(guān)系，換一個(gè)頁(yè)面就不能用了。

那就沒(méi)有解決辦法了嗎？其實(shí)也不難，或者說(shuō)對(duì)方還是給了很清晰的思考方向，因?yàn)?，雖然每一個(gè)頁(yè)面的字體是動(dòng)態(tài)加載的，但是這個(gè)動(dòng)態(tài)僅針對(duì)字體解析后編碼的變化，字體內(nèi)部順序是沒(méi)有變化的


每?jī)蓚€(gè)頁(yè)面中，僅僅是字體編碼發(fā)生了改變，而字體的位置順訊并沒(méi)有改變，所以我們只需要在解析每一頁(yè)的數(shù)據(jù)之前，先提取頁(yè)面中CSS樣式，再?gòu)腃SS內(nèi)容中定位到字體文件存儲(chǔ)鏈接，之后就是請(qǐng)求這一頁(yè)對(duì)應(yīng)的字體文件并解析構(gòu)造匹配字典，后面的步驟就和上一篇文章一樣了。

那我們開(kāi)始，目標(biāo)是爬取某城市指定美食的全部商家信息，比如定位廣州搜索沙縣小吃，之后爬取全部的搜索頁(yè)面。

首先就是構(gòu)造全部的URL，由于每一頁(yè)的URL是有一定規(guī)律的，所以這一步很簡(jiǎn)單，從第一頁(yè)中提取全部頁(yè)數(shù)然后按照規(guī)律添加到url_list中即可，而這個(gè)數(shù)據(jù)沒(méi)有被加密

所以這部分代碼可以這樣寫(xiě)

動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容

這部分代碼不難理解構(gòu)造請(qǐng)求——解析頁(yè)面——提取頁(yè)數(shù)——模擬URL，其中g(shù)et_ip()必須要返回一個(gè)可以使用的ip，不論你是用免費(fèi)的還是付費(fèi)的代理，在這里不做詳細(xì)講解。

搞定URL之后，我們來(lái)到最關(guān)鍵的步驟，寫(xiě)一個(gè)函數(shù)，傳進(jìn)來(lái)一個(gè)頁(yè)面返回該頁(yè)的文字匹配字典，那么第一步就是把字體拿下來(lái)，下面四行代碼即可搞定

動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容

簡(jiǎn)單來(lái)看一下這段代碼，我們傳入一個(gè)請(qǐng)求后得到的page后

“

第一行代碼使用正則表達(dá)式提取字體所在的css鏈接

第二行代碼使用requests請(qǐng)求css內(nèi)容

最后兩行代碼使用正則提取woff字體文件所在URL

”

如果你傳進(jìn)去的頁(yè)面是正常的，那么現(xiàn)在我們就有地址、均價(jià)字段的字體所在URL，下面就可以使用requests將這兩個(gè)字體文件下載并保存在本地，代碼如下

動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容

現(xiàn)在工作目錄下就有兩個(gè)字體文件，之后就按照上一篇文章介紹的字體加密破解方法操作即可。所以這部分完整代碼如下：

動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容
動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容
動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容
動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容
動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容
動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容唯一需要注意的就是，這里傳進(jìn)去的page，就是你直接請(qǐng)求當(dāng)前頁(yè)面返回的內(nèi)容，比如

動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容

你需要確保這里的page是正確包含內(nèi)容的，如果是被403之后的頁(yè)面或者是提示要輸入驗(yàn)證碼之類(lèi)的頁(yè)面是無(wú)法正確執(zhí)行的。

那么到這里，我們就搞定了在每一頁(yè)的字體文件都是動(dòng)態(tài)加載的情況下如何爬取全部搜索頁(yè)面的信息，之后只需要寫(xiě)一個(gè)循環(huán)爬去url_list中的全部URL，并使用pandas進(jìn)行保存即可。動(dòng)態(tài)加密？看我如何見(jiàn)招拆招爬取某點(diǎn)評(píng)全站內(nèi)容

本文的分享就到這里，完整的代碼我就不提供了，因?yàn)槟滁c(diǎn)評(píng)網(wǎng)站的限制，大概率拿走也是不能用的，但是最關(guān)鍵的函數(shù)已經(jīng)完整的發(fā)在文中了，復(fù)制粘貼就能使用。

如果你嘗試去爬取過(guò)大眾點(diǎn)評(píng)，會(huì)發(fā)現(xiàn)最難的不再是字體加密，而是捉摸不透的反爬機(jī)制，尤其是headers中參數(shù)的構(gòu)造，cookie的破解，公眾號(hào)沒(méi)有留言，你可以添加早小起微信和我交流，我會(huì)在后續(xù)繼續(xù)更新相關(guān)文章！

數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢(xún)
客服在線
立即咨詢(xún)
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶(hù)后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見(jiàn)：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }