写爬虫时遇到个神奇的站点

hacker5402 · 发表于 2018-7-24 22:10:10

本帖最后由 hacker5402 于 2018-7-24 22:11 编辑

写的代理IP爬虫，写的差不多了，在收集代理网站，
收集了8个资源站都是xpath一匹配就行，偏偏这个例外
这个http://www.goubanjia.com/

一个IP地址要搞这么多标签搞混吗就是不让人去爬吧 ..

然后写了段程序去爬。出来是出来了，结果发现request.get每次获取url的内容中的端口号都是变化的！
。。。端口号都是变化的
那其他工具get得到的也是，每次端口都是变化的，chrome检查元素的端口是正确的，但response的端口是变化的
然后去查看这个站里的js文件,发现个可疑的

解密后

大致恢复了下源代码

于是对着一写。。。

水一贴

fei2018 · 发表于 2018-7-24 22:12:20

牛逼啊大佬，想跟你学技术

广东吴彦祖 · 发表于 2018-7-24 22:12:24

看不懂楼下大佬解释下

doruison · 发表于 2018-7-24 22:14:48

排风完全不会，js忘光了

ddosworks · 发表于 2018-7-24 22:15:38

你还没见过生成图片然后取坐标的

hacker5402 · 发表于 2018-7-24 22:18:35

ddosworks 发表于 2018-7-24 22:15
你还没见过生成图片然后取坐标的

就是觉得这个一个代理IP而已还至于这样吗..

liang0754 · 发表于 2018-7-24 22:25:57

何必呢少年

复制代码

话说你这个 goubanjia == 狗搬家？

hacker5402 · 发表于 2018-7-24 22:41:19

liang0754 发表于 2018-7-24 22:25
何必呢少年

太多不能用了，这个站也在采集的资源站了，都是定时采集验证入库

爱吹海绵的泡泡 · 发表于 2018-7-25 00:19:16

大佬收徒吗

tims · 发表于 2018-7-25 00:25:38

同楼上，收徒吗

		自动登录	找回密码
密码			注册