写爬虫时遇到个神奇的站点

hacker5402

本帖最后由 hacker5402 于 2018-7-24 22:11 编辑

写的代理IP爬虫，写的差不多了，在收集代理网站，
收集了8个资源站 都是xpath一匹配就行，偏偏这个例外
这个http://www.goubanjia.com/




一个IP地址 要搞这么多标签搞混吗 就是不让人去爬吧 ..





然后写了段程序去爬。出来是出来了，结果发现request.get每次获取url的内容中的端口号都是变化的！
。。。端口号都是变化的
那其他工具get得到的也是，每次端口都是变化的，chrome检查元素的端口是正确的，但response的端口是变化的
然后去查看这个站里的js文件,发现个可疑的





解密后





大致恢复了下源代码




于是对着一写。。。





水一贴

fei2018

牛逼啊大佬，想跟你学技术

广东吴彦祖

看不懂 楼下大佬解释下

doruison

排风完全不会，js忘光了

ddosworks

你还没见过生成图片然后取坐标的

hacker5402

ddosworks 发表于 2018-7-24 22:15

你还没见过生成图片然后取坐标的

就是觉得这个一个代理IP而已还至于这样吗..

liang0754

何必呢少年

[ol]

http://www.66ip.cn/mo.php?tqsl=1000[/ol]复制代码

话说你这个 goubanjia == 狗搬家 ？

hacker5402

liang0754 发表于 2018-7-24 22:25

何必呢少年
太多不能用了，这个站也在采集的资源站了，都是定时采集验证入库

爱吹海绵的泡泡

大佬收徒吗

tims

同楼上，收徒吗