网站访问人数太多,怎么才能进入_网址挖掘

全栈程序员-用户IM • 2022年10月28日下午9:36 • 未分类

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46，售后保障稳定

老规矩，先上代码：

# coding=utf-8


import os
import requests
import time
from PIL import Image
from io import BytesIO
from lxml import etree


# 先定义一个opener函数：
def open_mn_web(url):
    try:
        headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36',
                   'Cookie': 'adClass0803 = 2;Hm_lvt_91a405e20ecacb7d51b80c9e4804c045 = 1557565685, 1557565698, 1557593627, 1557738534;Hm_lpvt_91a405e20ecacb7d51b80c9e4804c045 = 1557758918',
                   'Referer': url}
        response = requests.get(url, headers=headers)
        response.encoding = 'gb2312'
        print(response.text)
        if response.status_code == 200:
            return response.content
        return None
    except RecursionError:
        return None


def parse_mn_web(html):
    htmls = etree.HTML(html)
    img_xpath = '//div[contains(@class ,"picsbox")]//img/@src'
    class_xpath = '//div[@class="t1"]/a[2]/text()'
    result = htmls.xpath(class_xpath) + htmls.xpath(img_xpath)
    return result


def save_img(data, offset):
    path_root = r'E:\7160mn\mn_img'
    path = os.path.join(path_root, data[0], str(offset))
    if not os.path.exists(path):
        os.makedirs(path)
    img_temp = Image.open(BytesIO(data[1].content))
    img_name = data[1][-15:-1]
    img_temp.save(path + img_name, quality=95)
    for i in range(0, 101, 2):
        time.sleep(0.1)
        char_num = i // 2  # 打印多少个'*'
        per_str = '\r%s%% : %s\n' % (i, '[' * char_num) if i == 100 else '\r%s%% : %s' % (i, '[' * char_num)
        print(per_str, end='', flush=True)


def main(offset):
    url = 'https://www.7160.com/meinv/' + str(offset) + '/'
    html = open_mn_web(url)
    n = 2
    while html:
        data = parse_mn_web(html)
        save_img(data, offset)
        url = url + 'index_' + str(n) + '.html'
        html = open_mn_web(url)
        n = n + 1


if __name__ == '__main__':
    for k in range(1, 99999):
        main(k)

Jetbrains全家桶1年46，售后保障稳定

运行时发现request返回的html页面不完整，需要的部分，那个class为picsbox picsboxcenter的div没有内容；
我开始怀疑是异步加载，或者是js渲染，可是打开chorme自带的控制台之后发现network获取的html是完整的，而且没有xhr文件。后面又用selenium模拟浏览器操作，还是不行。我把chorme浏览器获得的完整header信息都复制到headers字典里都没用。。。。
我想可能是这个网站太多人爬了吧，维护人员可能搞了一套比较复杂的验证系统，但是我水平有限，实在想不出来，求大神分析分析啊。

发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/219602.html原文链接：https://javaforall.cn

【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛

【官方授权正版激活】： 官方授权正版激活支持Jetbrains家族下所有IDE 使用个人JB账号...