大灰羊
0%

发表于 更新于 分类于
本文字数： 6.5k 阅读时长 ≈ 6 分钟

反爬机制

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
# -*- coding:utf-8 -*-
# @Time       :2022/8/11 9:28
# @SOFTWARE   :爬虫学习

import requests

"""
反爬的三个方向：
    1.基于身份识别进行反爬
        headers：
            ua
            referer
            cookie
            
        请求传参数：
            1.从htmml文件中提取
            2.发送请求获取数据
            3.通过js生成
            4.通过验证码
    2.基于爬虫行为进行反爬
            基于请求频率或总请求数量
                通过请求ip/账号单位时间内总请求数量进行反爬
                通过同一ip/账号请求时间的间隔进行反爬
                通过对请求ip/账号每天请求次数设置阀值进行反爬
            
            基于爬取行为进行反爬 通常在爬取步骤上做分析
                通过js实现跳转来反爬
                通过蜜罐（陷阱）获取爬虫ip(或者代理ip) 进行ip封锁
                通过假数据反爬
                阻塞任务队列
                阻塞网络io
    3.基于数据加密进行反爬
            对响应中含有的数据进行特殊化处理
                自定义字体
                css
                js生成
                图片
                编码格式
    
"""
  • 通过代理进行反爬
1
2
3
4
5
6
7
8
9
10
11
12
13
# -*- coding:utf-8 -*-
# @Time       :2022/1/10 11:47
# @SOFTWARE   :爬虫学习

import requests

proxies = {
    "http": "http://代理Ip地址",
    "https" : "https://代理Ip地址"
}
url = '访问的域名'
resp = requests.get(url,proxies = proxies)

  • 代理池

    • ```python

      -- coding:utf-8 --

      @Time :2022/9/4 18:24

      @SOFTWARE :爬虫

      import requests
      from lxml import etree
      from bs4 import BeautifulSoupbase_url = ‘https://tmplay3.tom1881.com/2022-08-29/32f4a6ff34d6893df1c0b6f53db8fed7/m3u8/enc.key'
      headers = {
      'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36 Edg/105.0.1343.27'
      }
      proxies = {
      "http": "http://" + '47.101.44.122:80'
      }resp = requests.get(url = base_url,headers = headers,)

      html = etree.HTML(resp.text)

      proxies_lst = html.xpath(‘//*[@id=”GridViewOrder”]/tbody/tr[position()>1]/td[1]/text()’)

      html = BeautifulSoup(resp.text,’html.parser’)

      proxies_lst = html.find_all(‘tr’,align_=”center”)

      print(proxies_lst)

      with open(‘./enc.key’,’w’) as f:
      f.write(resp.content.decode("ISO-8859-1"))

      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
      11
      12
      13
      14
      15
      16
      17
      18
      19
      20
      21
      22
      23
      24
      25
      26
      27
      28
      29
      30
      31
      32
      33
      34

        - 

      - 防盗链-梨视频案例

      ```python
      # -*- coding:utf-8 -*-
      # @Time       :2022/1/10 11:32
      # @SOFTWARE   :爬虫学习

      import requests

      url = "https://www.pearvideo.com/video_1747197"
      contId = url.split("_")[1]

      videoStatusUrl = f"https://www.pearvideo.com/videoStatus.jsp?contId={contId}"
      headers ={
          "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36 Edg/96.0.1054.62",
          "Referer":url
      }
      resp = requests.get(videoStatusUrl,headers = headers)
      dic = resp.json()
      srcUrl= dic['videoInfo']['videos']['srcUrl']
      systemTime = dic['systemTime']
      srcUrl = srcUrl.replace(systemTime,f"cont-{contId}")
      # print(srcUrl)

      #https://video.pearvideo.com/mp4/short/20220105/cont-1747197-15813272-hd.mp4
      #https://video.pearvideo.com/mp4/short/20220105/count-1747197-15813272-hd.mp4
      #https://video.pearvideo.com/mp4/short/20220105/count-1747197-15813272-hd.mp4

      with open("a.mp4",mode="wb") as f:
          f.write(requests.get(srcUrl).content)
      print("over!")

  • 模拟登录某小说网站

    • ```python

      -- coding:utf-8 --

      @Time :2022/1/10 10:29

      @SOFTWARE :爬虫学习

      登录 -> 得到cookie

      带着cookie 去请求到书架的url -> 书架上的内容

      必须把两个操作连起来

      我们可以使用session 进行请求 -> session 可以认为是一连串的请求，在这个过程中的cookie是不会丢失的

      import requests#1.登录
      session = requests.session()
      url = “https://passport.17k.com/ck/user/login"
      data ={
      "loginName" : "13593181493",
"password" : "yy963987"
      }
      resp = session.post(url,data=data)

      print(resp.cookies)

      #2.获取书架内容shelf_url = “https://user.17k.com/ck/author/shelf?page=1&appKey=2406394919"
      resp_shelf =session.get(shelf_url)
      print(resp_shelf.json())
      1
      2
      3
      4
      5
      6
      7
      8
      9
      10
      11
      12
      13
      14
      15
      16
      17
      18
      19
      20
      21
      22
      23
      24
      25
      26
      27
      28
      29
      30
      31
      32
      33
      34
      35
      36
      37
      38
      39
      40
      41
      42
      43
      44
      45
      46
      47
      48
      49
      50
      51
      52
      53
      54
      55
      56
      57
      58
      59
      60
      61
      62
      63
      64
      65
      66
      67
      68
      69
      70
      71
      72
      73
      74
      75
      76
      77
      78
      79
      80
      81
      82
      83
      84
      85
      86
      87
      88
      89
      90
      91
      92
      93
      94
      95
      96
      97
      98
      99
      100
      101
      102
      103

      - 综合训练--爬取网易云热评

        - ```python
          # -*- coding:utf-8 -*-
          # @Time       :2022/4/27 10:15
          # @SOFTWARE   :爬虫学习
          
          import requests
          from Crypto.Cipher import AES
          from base64 import b64encode
          import json
          
          """"
              1.找到未加密的参数
              2.参考网易加密逻辑进行模拟加密 params ,encSecKey
              3.请求到网易拿到检索信息
          """
          
          url = "https://music.163.com/weapi/comment/resource/comments/get?csrf_token="
          # 请求方式是POST
          data = {
              "cursor": "-1",
              "offset": "0",
              "orderType": "1",
              "pageNo": "1",
              "pageSize": "20",
              "rid": "R_SO_4_1481164987",
              "threadId": "R_SO_4_1481164987"
          }
          e = "010001"
          f = '00e0b509f6259df8642dbc35662901477df22677ec152b5ff68ace615bb7b725152b3ab17a876aea8a5aa76d2e417629ec4ee341f56135fccf695280104e0312ecbda92557c93870114af6c9d05c4f7f0c3685b7a46bee255932575cce10b424d813cfe4875d3e82047b97ddef52741d546b8e289dc6935b3ece0462db0a22b8e7'
          g = '0CoJUm6Qyw8W8jud'
          i = "8oWRZx8h4JbKIPKl"
          # 处理加密过程
          def get_encSecKey():
              return "8a8026c2e3c67c819062df7236879f6d5674a095e46112201958d79c0eb58d866e41ac1bb86f76531c02c52a40e5de751a723bb3a549df1f494f12c2d824d7e94961079a96caf436f677a7453b2d274b27667b71a1631a058d9f68c0f162d509f540b554064570a58f7e4d78c9cd9aebfd6a219bf943d80b09808fd7e38c0123"
          
          def to_16(data):
              pad = 16 - len(data) % 16
              data += chr(pad) * pad
              return data
          
          def get_params(data):   # 默认收到的是字符串 data此时是字典
              first = enc_params(data, g)
              second = enc_params(first,i)
              return second   # 返回的就是params
          
          # 加密过程
          def enc_params(data,key):
              iv = "0102030405060708"
              data = to_16(data)
              aes = AES.new(key = key.encode("utf-8"),iv= iv.encode("utf-8"),mode = AES.MODE_CBC)     #创建加密器
              bs = aes.encrypt(data.encode("utf-8"))   # 加密 加密的内容必须是16的倍数，不满16位，补齐chr(16-n), 正好是16位，补16个 chr(16)
              return str(b64encode(bs),"utf-8")   # 转化成字符串返回
          
          """
          加密函数
          window.asrsea(JSON.stringify(i7b), buV6P(["流泪", "强"]), buV6P(Rg1x.md), buV6P(["爱心", "女孩", "惊恐", "大笑"]))
          
          function a(a) { # 随机的16为字符串
                  var d, e, b = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789", c = "";
                  for (d = 0; a > d; d += 1)  # 循环16次
                      e = Math.random() * b.length,   # 随机数
                      e = Math.floor(e),  # 取整
                      c += b.charAt(e);   # 取字符串末位
                  return c
              }
              function b(a, b) {  # a是要加密的内容
                  var c = CryptoJS.enc.Utf8.parse(b) # b 是秘钥
                    , d = CryptoJS.enc.Utf8.parse("0102030405060708")
                    , e = CryptoJS.enc.Utf8.parse(a)  # e是数据
                    , f = CryptoJS.AES.encrypt(e, c, {       # c是加密的秘钥
                      iv: d,  # 偏移量
                      mode: CryptoJS.mode.CBC # 加密模式 CBC
                  });
                  return f.toString()
              }
              function c(a, b, c) {
                  var d, e;
                  return setMaxDigits(131),
                  d = new RSAKeyPair(b,"",c),
                  e = encryptedString(d, a)
              }
              function d(d, e, f, g) { d:参数 e:"010001" f:... g:'0CoJUm6Qyw8W8jud'
                  var h = {}     # 空对象
                    , i = a(16);  # i 为16位随机数
                  h.encText = b(d, g), # g就是秘钥
                  h.encText = b(h.encText, i), # 返回的就是params ,i为秘钥
                  h.encSecKey = c(i, e, f),   #返回的是encSecKey ， i 为随机  e,f为固定值 -> 故每次产生的不同都是出自于i ，将i固定，encSecKey 为固定
                  return h
              }
              function e(a, b, d, e) { 
                  var f = {};
                  return f.encText = c(a + e, b, d),
                
          """
          
          resp = requests.post(url,data = {
              "params" : get_params(json.dumps(data)),
              "encSecKey" : get_encSecKey()
          })
          print(resp.text)

发表于 更新于 分类于
本文字数： 1.8k 阅读时长 ≈ 2 分钟

云服务器+Hexo搭建自己的博客

一、云服务器配置

阅读全文 »