爬虫
关注
分享
扫一扫
文章平均质量分 91
zhangge3663
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
python-css反爬之svg映射
目标网站:http://www.porters.vip/confusion/food.html 详细解析可查看:https://blog.youkuaiyun.com/BigBoy_Coder/article/details/104748253 import requests from parsel import Selector import re def getSvgMapping(): svg_url = 'http://www.porters.vip/confusion/font/food.s.转载 2020-11-20 16:02:29 · 151 阅读 · 0 评论 -
CSS3 @font-face规则
实例 指定名为"myFirstFont"的字体，并指定在哪里可以找到它的URL: @font-face { font-family: myFirstFont; src: url('Sansation_Light.ttf'), url('Sansation_Light.eot'); /* IE9 */ } 尝试一下 » 浏览器支持 Internet Explorer 9, Firefox, Opera,Chrome, 和 Safari支持@font-face转载 2020-11-17 11:45:25 · 197 阅读 · 0 评论 -
反爬终极方案总结---字体反爬
最近临时受命，要针对采集我司网站的爬虫进行反制。虽然不太熟悉这个领域，但既然分到咱这儿了，那就上呗，有啥说的，谁让咱是“全栈工程师”呢（牛逼吹的大了点）。 原本公司已经有了一套字体反爬的机制，但效果还是不很理想。花了一周的时间进行研究，最终在现有反爬基础之上，总结了本文要讲的方案。 说是终极方案，是有些吹牛了，大家都知道爬虫和反爬之家的道高一尺魔高一丈的关系。但这个方案可以很大程度上可以增加普通爬虫的采集成本，在不使用OCR的前提下，算是比较极致的方案了。 直接说重点吧！ 1、扫盲： 字体反爬也就转载 2020-11-17 11:22:27 · 446 阅读 · 2 评论 -
【反爬】某网站雪碧图反爬
想要获取这里的库存值，查看审查元素，发现这里的数字不是文本，而是css渲染出来的 1.随便点一个数字看看css样式呢 2.这里第一个数字1的样式，发现是由图片偏移量得出的 3.查看一下这个svg 4.本地测试一下样式 <head> <style> font[class^="a"]{ background: url("https://xxxx/dist/res/home/images/number/aff.svg") ..转载 2020-11-17 11:15:41 · 227 阅读 · 0 评论 -
爬虫神器！用它可以实时处理和保存 Ajax 数据
做爬虫的时候我们经常会遇到这么一个问题： 网站的数据是通过Ajax加载的，但是Ajax的接口又是加密的，不费点功夫破解不出来。这时候如果我们想绕过破解抓取数据的话，比如就得用Selenium了，Selenium能完成一些模拟点击、翻页等操作，但又不好获取Ajax的数据了，通过渲染后的HTML提取数据又非常麻烦。 或许你会心想：要是我能用 Selenium 来驱动页面，同时又能把 Ajax 请求的数据保存下来就好了。 办法自然是有，比如可以加层代理，用 mitmdump 来实时处理就好了。 但如果转载 2020-09-18 09:57:20 · 342 阅读 · 0 评论 -
如何避免Puppeteer被前端JS检测
工具和资料 QQ群 - Javascript高级爬虫https://jq.qq.com/?_wv=1027&k=5Bcu3YU -作者自建群，欢迎加入! 中国商标网加密接口https://github.com/rockswang/wsjs.saic.mmewmd -仅做演示 awesome-jave-crawlerhttps://github.com/rockswang/awesome-java-crawler- 作者收集的爬虫相关工具和资料 前言 这两天开始看puppeteer，发现居..转载 2020-09-17 10:14:54 · 1716 阅读 · 0 评论 -
某数加密的流程与原理简析
啃了这么长时间，基本上已经把某数的套路摸了个八九不离十，不愧是中国反爬界的集大成者，感觉收获满满，这里就简单记录一下分析成果。 注意：某数在不同的网站上有不同的版本，其流程也略有不同，这里的流程不一定适用于其它网站。 工具和资料 之前的文章1- 记录了之前尝试的其它方法 之前的文章2- 对加密混淆后的js的一些初步分析 awesome-java-crawler- 我收集的爬虫相关工具和资料 java-curl- 我编写的java HTTP库 另一个用了某数加密的网站的破解SDK 前端流程...转载 2020-09-04 13:45:47 · 570 阅读 · 0 评论 -
爬虫进阶:反反爬虫技术--5 网页隐藏信息
1、注意网页隐藏的信息 在HTML表单中，"隐含"字段可以让字段的值对浏览器可见，但是对用户不可见(除非看网页源代码)。随着越来越多的网站开始用cookie存储状态变量来管理用户状态，在找到另一个最佳用途之前，隐含字段主要用于阻止爬虫自动提交表单。 下图显示的例子就是Facebook登录页面上的隐含字段。虽然表单里只有三个可见字段(username、password和一个确认按钮),但是在源代码里表单会向服务器传送大量的信息。 Facebook 登录页面上的隐含字段 用隐含字段阻止网络数据采集的转载 2020-09-04 13:11:57 · 2636 阅读 · 0 评论 -
使用pyppeteer爬取淘宝商品
之前我用pyppeteer绕过了淘宝登录时对于web driver的检测，但是这并不意味这登录 后就没有检测了，今天我就来以爬取搜索关键字得到的商品名称为例操作一下。 整个过程有 4 步：1.登录，2.输入关键字并点击搜索，3.滑到最底部并获取数据，4.点击下一页，然后重复步骤 3，4 直到没有下一页（实际上一个账号并不能每一页全部爬完，要想全部爬完可能要买或者借账号，下面的教程我只爬前几页的数据）。然后就是要搭好一个框架，为了让程序看起来简单，我就使用面向对象的设计方法来设计这个程序，大致代码如下.转载 2020-08-24 17:14:07 · 1207 阅读 · 0 评论 -
Python爬虫神器pyppeteer
简介 pyppeteer是非官方 Python 版本的 Puppeteer 库，浏览器自动化库，由日本工程师开发。 Puppeteer是 Google 基于 Node.js 开发的工具，调用 Chrome 的 API，通过 JavaScript 代码来操纵 Chrome 完成一些操作，用于网络爬虫、Web 程序自动测试等。 pyppeteer使用了 Python 异步协程库asyncio，可整合 Scrapy 进行分布式爬虫。 pyppeteer维护得不好；puppet 木偶；puppet...转载 2020-08-24 16:30:47 · 1108 阅读 · 0 评论 -
排名前20的网页爬虫工具
网络爬虫在许多领域都有广泛的应用，它的目标是从网站获取新的数据，并加以存储以方便访问。而网络爬虫工具越来越为人们所熟知，因为它能简化并自动化整个爬虫过程，使每个人都可以轻松访问网络数据资源。 ###1. Octoparse Octoparse是一个免费且功能强大的网站爬虫工具，用于从网站上提取需要的各种类型的数据。它有两种学习模式 - 向导模式和高级模式，所以非程序员也可以使用。可以下载几乎所有的网站内容，并保存为EXCEL，TXT，HTML或数据库等结构化格式。具有Scheduled Cloud.转载 2020-06-05 10:55:50 · 2572 阅读 · 0 评论