最近在尝试爬取一个网站数据的时候，遇见了这个网站使用了 distil networks 的反爬虫服务，我尝试了抓包的方式无法有效地进行到下一步，因为需要提交四五次表单，并且每次 Post 请求都被重定向了，于是想着用 requestium，使用 selenium 发送 post 请求，却还是无法达到预期效果。这里主要还是因为 selenium 被识别出来了，我在这个反爬虫服务加载的 js 中发现了这样几句代码，isWebdriver:function(){return!!navigator.webdriver 自己也试着尝试了一下，在 chrome 的浏览器中输入 windows.navigator.webdriver 返回的是 undefind，而在 chromebdriver 中输入后返回的是 true,所以我在想是不是这句代码阻塞了我的 post 执行，有没有什么好的办法绕过这段 js 或者修改它的值呢？
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 2822 days ago, the information mentioned may be changed or developed.
 |
1
wzwwzw Aug 26, 2018  1
为什么不说一下目标网站呢。
|
 |
2
kran Aug 26, 2018 via iPhone
selenium 源码混淆变量名，重新编译
|
 |
3
xiaoyu233 Aug 26, 2018
之前找的解决方法是 2 楼说的改代码重新编译方式。不过不会编译，可以尝试用 pyqt 来爬
|
 |
4
wc110302 OP @wzwwzw 不好意思现在才上到网--！ 目标网站是这个： https://www.flyscoot.com/zh
|
|
6
wc110302 OP @xiaoyu233 谢谢提供的解决方案，明天我去尝试用 pyqt 看能否爬取，其实我现在已经能爬取到数据了，就是耗时太久了，我想绕过这个反爬虫 distil networks 所带来的验证码来减少我耗费的时间，或者直接能使用 Post 请求就更好了，不过现在还没能找到解决方案
|
 |
7
wenzhoou Aug 27, 2018 via Android
selenium 已经好久不更新了啊。感觉死而不僵。鸡肋啊。
|
|
9
kran Aug 27, 2018
|
 |
10
cyrbuzz Aug 27, 2018
试下 pyppeteer
https://github.com/miyakogi/pyppeteer 和 selenium 类似。 基于 pyppeteer 我也封装了一个小爬虫框架： https://github.com/HuberTRoy/Seen 用不到就忽略这条吧~。 |
|
11
wc110302 OP @kran 谢谢回复 我尝试使用 hex editor 将 chromedrive 里的$cdc_替换了依然不起作用 还是会被反爬虫服务识别 也许是这个教程现在失效了
|
 |
12
yumenlong Aug 27, 2018
http://waimai.meituan.com 美团外卖的 js 也对 webdriver 进行了检测，大家来研究研究对策啊
|
 |
14
gamecreating Nov 3, 2018
@wc110302 注入 JS 的方法有码? pyqt5 + qtwebengine 没找到在哪里注入
|
 |
15
weiyishuxi Feb 12, 2019
大佬是否可以加微信或者 QQ （ 2408169322 ），我最近也想搞你这个网站，但是爬虫新手，如果可以指导也行，直接有偿交易源码也行
|
 |
16
skt2046 Feb 27, 2019
我最近写一个刷单工具也遇到了万恶的 distil networks，根据的说了 P 参数，我抓包后把它解析了出来可以看出是一个带有详细浏览器信息的 json，并且每次请求这个 json 里面只有一小部分会被修改。看到你说可以模拟生成 p 参数，特意过来请教一下，你是怎么生成的
|
|
17
skt2046 Feb 27, 2019
可否加鹅企详细讨论：（ base64 鹅企） NTIzNzMxNTg5
|
|
18
skt2046 Feb 27, 2019
还有请求 header 里面有个重要参数和 X-Distil-Ajax 以及 url 参数 PID， 必须和 p 参数一起送过去才能生效，这些参数都是一个 get 取回来的 javascrip 函数生成的
|
 |
20
luzhizheng Dec 21, 2019
这楼主是一个搞外包的,大家不要给骗了,加了 QQ 以后一直在忽悠,没两句就开始装逼,然后要我搞外包.
技术问题一个都不回答,问什么都说很简单自己搞,要不然就找我外包,真是没见过这种人,一点想探讨的精神都没有,还跟我装起逼来,说多了就开始骂我菜鸡,菜鸟,真的是给点阳光就灿烂,懂一点就开始装逼,你爸妈没有教过你做人的道理吗?真是悲哀! |
Select Language