scrapy 爬虫之521状态码解决方案

本文介绍了一种破解特定网站反爬虫技术的方法,通过直接复制和处理浏览器中的Cookies信息,结合两次网页请求策略,获取网站的真实数据。首次请求获取并处理JS脚本,提取__jsluid_h和__jsl_clearance等Cookies,整理后再发起请求以绕过状态码521的限制。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

方案一 直接复制cookie

浏览器中直接复制cookies的键值信息,cookies不是按字符串处理哟
注意:
1。Scrapy的cookies要保存成字典格式,键值对要挨着处理;
2。Scrapy headers添加的UA信息要用浏览器的UA,因为cookies基于ua生成的

方案二 代码两次网页请求

状态码521是一种反爬虫技术,浏览器会自动渲染很多东西,代码爬数据会漏掉浏览器渲染的信息,
所以会失败
流程是:
1。第一次请求会获取script脚本,提取里面的js脚本,然后,(代码处理自己网上搜)手动在浏览器console里面执行,会获取到另外的一个js脚本,看起来非常多,一字不落的复制下来;顺便再获取,第一次请求的cookie只有__jsluid_h
2。修改复制的内容,提取出document.cookie那部分内容,然后将eval改成console.log,最后将改好的代码在console里面再执行一遍,这样就能得到另外的一部分cookie信息__jsl_clearance的信息
3。将__jsluid_h和__jsl_clearance整理成新的cookie再次请求,就能得到真实数据了。

疑惑

cookie其他的信息很难获取 比如Hm_lpvt_xxx、Hm_lvt_xxxxxxx,希望知道方法的你留个言 感激不尽
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值