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
wylwang
V2EX  ›  Python

写 Scrapy 爬虫时,遇到了 js 进行跳转的页面,大家有没有好的解决方法

  •  
  •   wylwang · Sep 4, 2018 · 9281 views
    This topic created in 2841 days ago, the information mentioned may be changed or developed.
    请求时返回的相应内容是这样:
    <html><head></head><body><script>window.location.href='https://XXX.xxx.com/';</script></body></html>
    之前使用过 selenium 抓数据,但是效率太低,所以想请问一下大家有没有好的办法,在 scrapy 框架里拿到正常响应的请求
    Supplement 1  ·  Sep 4, 2018
    忘了说,返回的 href 内容和请求的 url 是同一个,如果顺着 href 继续爬,会无限循环这个响应
    Supplement 2  ·  Sep 4, 2018
    这个问题解决了,跟五楼朋友说的一样,确实是因为没有带 cookie 触发了 js 跳转,带上 cookie 已经可以成功访问了,谢谢各位
    20 replies    2018-09-25 15:47:51 +08:00
    locusxt
        1
    locusxt  
       Sep 4, 2018 via Android
    顺着这个 href 接着爬就可以了
    toono
        2
    toono  
       Sep 4, 2018
    我之前的做法就是分析他们的 API
    wylwang
        3
    wylwang  
    OP
       Sep 4, 2018
    这个问题已经困了我一周,查了挺多资料,还是没办法,求大佬支招
    syahd
        4
    syahd  
       Sep 4, 2018 via Android
    if 返回码== 3xx 跟着跳转
    bmos
        5
    bmos  
       Sep 4, 2018
    首先和 1 楼说的,顺着 href 爬。
    不行的话看看是不是需要 cookie,我之前提问过,有的网站需要判断 cookie 值,没有的话,就会要求 js 跳转,有 cookie 就可以直接访问。
    还有其他措施,要具体分析
    crazycabbage
        6
    crazycabbage  
       Sep 4, 2018 via iPhone
    返回链接继续爬,遇到 js 生成页面用 splash,不要用 selenium
    uwh0am1
        7
    uwh0am1  
       Sep 4, 2018
    splash 把,使用 qt 中的 webview 加载页面,可以运行页面中的 js 代码,使用简单
    wylwang
        8
    wylwang  
    OP
       Sep 4, 2018
    @whwq2012 所有返回这行代码的页面响应码都是 200,
    encro
        9
    encro  
       Sep 4, 2018
    如果只是这个,正则匹配下 url 继续爬啊
    wylwang
        10
    wylwang  
    OP
       Sep 4, 2018
    @bmos 忘了说,返回的 url 和请求的 url 是同一个,顺着 href 继续爬的话会无限循环这个响应内容
    wylwang
        11
    wylwang  
    OP
       Sep 4, 2018
    @uwh0am1 splash 我也考虑过,我的需求是请求索引页-->详情页-->详情页里的某个 href 字段共三级页面,实现起来比较麻烦
    huaerxiela
        12
    huaerxiela  
       Sep 4, 2018
    既然是无限循环的情况,可能是服务器验证有问题,要么你代码请求不规范,要么就是被反爬拦截了,排除代码问题后,着重看 cookie 变化或者 js 加密参数的情况
    frankyxu
        13
    frankyxu  
       Sep 4, 2018
    5 楼说的有道理,可能是你没带 cookie 访问,我最近刚好也遇到了这个问题,带上 cookie 就好了
    wylwang
        14
    wylwang  
    OP
       Sep 4, 2018
    @frankyxu 对的,确实是这个问题,带上 cookie 可以成功访问了
    wylwang
        15
    wylwang  
    OP
       Sep 4, 2018
    @huaerxiela 是的,是因为没带 cookie,已经解决了,:)
    testsec
        16
    testsec  
       Sep 4, 2018 via iPhone
    一般这种是要带上 cookie 去访问的
    hjzkenan
        17
    hjzkenan  
       Sep 4, 2018
    啥网站呀,贴出来看看?
    wylwang
        18
    wylwang  
    OP
       Sep 5, 2018
    kidlfy
        19
    kidlfy  
       Sep 6, 2018
    @wylwang 想问一下,cookie 失效了要怎么办,只有更换这一种方法吗
    yangyaofei
        20
    yangyaofei  
       Sep 25, 2018
    @wylwang 同样这个网站出这个问题,我发现直接用 requests 就可以...所以....这是为啥...
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   4463 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 112ms · UTC 04:09 · PVG 12:09 · LAX 21:09 · JFK 00:09
    ♥ Do have faith in what you're doing.