我刚开始时每次碰到状态码都是一脸懵逼，反复的在百度上查资料，记得第一次使用代理IP返回407时，还跟代理云的客服发火，后来才知道是自己没做验证。在爬取数据中会碰到各种类型的状态码，为了方便大家快速查找原因，为大家搜集了我工作中碰到的这些状态码，方便大家查询，（建议大家收藏呀）1开头的http状态码表示临时响应并需要请求者继续执行操作的状态代码。100 （继续） 请求者应当继续提出请求。 服务器返回
转载
2024-06-12 22:07:19
41阅读
# 理解和解决“爬虫返回 Enable JavaScript and cookies to continue”问题
在进行网络爬虫的过程中，我们可能会遇到“Enable JavaScript and cookies to continue”这样的提示。这通常意味着网站使用了JavaScript和cookies来控制内容的访问。以下是在处理这个问题时，需要采取的一系列步骤。
## 总体步骤概述
原创
2024-09-05 03:57:44
518阅读
今天学习scrapy爬取网络时遇到的一些坑的可能正常情况：DEBUG: Crawled (200) <GET http://www.techbrood.com/> (referer: None)错误情况：DEBUG: Crawled (403) <GET http://www.techbrood.com/> (referer: None)一，网址的错误一开始看得是scrap
转载
2024-06-28 08:51:59
380阅读
urllib2.HTTPError: HTTP Error 403: Forbidden该错误是由于网站禁止爬虫，可以在请求加上相关头信息，伪装成浏览器访问，如伪装浏览器头：headers = {'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6
转载
2023-06-30 11:14:32
620阅读
scrapy日志（log）中含有None行的处理办法（原因），本文主要介绍出现的原因以及不太合适的解决办法，为什么说不太合适，因为需要改官方源码或者日志等级。在scrapy爬虫中，在debug的日志状态中，会出现类似下方含有None行的情况：1. 首先来说出现这个问题的浅层次原因 a. 出现的原因是我们再pipelines.py文件中，被使用的管道类中的“process_item”方法没
转载
2024-03-10 23:15:57
128阅读
很多朋友都听说过Python的大名，而Python也拥有众多的爬虫框架，其中最简单的莫过于requests-html了。它和著名的网络请求库requests是同一个作者，着重于XML数据提取，可以说是最简单的爬虫框架了。 安装requests-html安装这个类库非常简单，直接通过pip就可以安装了。pip install requests-html开始使用requests-html用
转载
2024-02-12 21:39:28
44阅读
声明：该系列教程只写思路，不提供源码，还请谅解。如有侵权，请告知删除，谢谢。今天介绍 jsfuck的解法，很简单，没啥技术含量，大牛请飘过。介绍一个爬虫闯关网站：http://glidedsky.com，有想去检测自己爬虫水平的可以去试试，有各种各样的反爬。话不多说，直接开干，我们今天要爬取的网站是： http://glidedsky.com/level/web/crawler-javascri
转载
2023-10-27 05:22:40
61阅读
目的分析JS详细需求http://glidedsky.com/level/web/crawler-javascript-obfuscation-1思路解析一、F12 二、解析 三、断点调试四、sha1函数import hashlib
def get_str_sha1_secret_str(res:str):
"""使用sha1加密算法，返回str加密后的字符串"""
sha =
转载
2023-06-07 21:39:13
85阅读
由于爬虫的抓取也是使用http协议交互。因此需要了解Http的各种返回码所代表的意义，才能判断爬虫的执行结果。返回码如下：100 Continue 初始的请求已经接受，客户应当继续发送请求的其余部分。（HTTP 1.1新）101 Switching Protocols 服务器将遵从客户的请求转换到另外一种协议（HTTP 1.1新）200 OK 一切正常，对GET和POST请求的应答文档跟在后面。2
转载
2023-10-12 08:57:57
188阅读
1 数据类型网页中的数据类型可分为结构化数据、半结构化数据、非结构化数据三种1.1 结构化数据 常见的是MySQL，表现为二维形式的数据1.2 半结构化数据 是结构化数据的一种形式，并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层。因此，它也被称为自描述的结构。常见的半结构数据有HTML，XML和JSON等，
转载
2023-12-09 21:53:32
81阅读
一：起因 （0）爬虫就是网络蜘蛛，爬取指定URL的html网页的内容，所以会需要urllib2包，字符串string的操作肯定也是需要的，以及字符串匹配包re。 （1）Python的嵌套类型，一般在里面很少涉及到的；Python的更高级应用肯定会涉及的，只是个人能力有限，如今没有深入，期待不就将来接触学习一下。 （2）说起嵌套类型，这要从Java 或则 c++的嵌套类型说起，只要
转载
2023-09-05 10:26:18
84阅读
目录一 、JS写cookie二、JS加密ajax请求参数三、JS反调试（反debug）四、JS发送鼠标点击事件 一 、JS写cookie我们要写爬虫抓某个网页里面的数据，无非是打开网页，看看源代码，如果html里面有我们要的数据，那就简单了。用requests请求网址得到网页源代码然后解析提取。等等！requests得到的网页是一对JS，跟浏览器打开看到的网页源码完全不一样！这种情况，往往是浏览
转载
2023-08-20 13:36:00
33阅读
序言：在不知道jsoup框架前，因为项目需求。须要定时抓取其它站点上的内容。便想到用HttpClient方式获取指定站点的内容。这样的方法比較笨，就是通过url请求指定站点。依据指定站点返回文本解析。说白了HttpClient充当一下浏览器的角色。返回的文本须要自己处理，一般都是用string.indexOf或者
python爬虫学习37 这里写目录标题python爬虫学习37数据存储篇——JSON1. 对象和数组对象数组2. 读取JSON从文本中读取JSON3. 输出JSON 数据存储篇——JSON在最最最前面我们学习urllib库的时候曾经提到过JSON，今天让我们好好研究研究它：JSON全称是 JavaScriptObjectNotation，即JavaScript对象标记，它通过对象和数组的组合来表
转载
2023-10-09 07:42:21
85阅读
爬虫学习：基础爬虫案例实战 文章目录爬虫学习：基础爬虫案例实战一、前言二、案例实战任务一：爬取列表页任务二：爬取详细页任务三：保存爬取数据任务四：利用多进程提高效率三、补充一点四、最后我想说 一、前言前面我们已经学习过了Python爬虫里面的几个基础常用的库，都是分开总结的知识点，想要灵活运用这些知识点，还是需要进行一些实战训练才行，这次我们就来尝试一下基础的爬虫案例。 OK，废话不多说，让我们开
转载
2023-12-08 10:35:53
60阅读
本案例独立完成，没有参考任何资料。虽说不是什么高难度的JS逆向，但对新手来说还是有点难度的。话不多说，开始正题。本次破解的目标是音乐网站的歌曲下载。目标网站： 未免侵权，此处省略。需要的私我。 基本思路： 搜索歌曲名字，获得歌曲地址，完成下载。逆向过程： 1、搜索歌曲，通过手动观察和查找，不难在Network下的JS面板下找到目标请求信息。2、我们来看一下这个请求的具体信息：Headers：Pla
转载
2024-01-07 18:43:42
30阅读
HTML是一种标记语言，标记语言是一套标记，HTML用标记语言来描述网页。1.HTML的基本结构： 1） <html> 内容 </html> : HTML 文档是由<html> </html>包裹，这是HTML文档的文档标记，也称为HTML开始标记。2） <head> 内容 </head> : HTML 文件头标记，
转载
2023-08-06 08:53:39
45阅读
一提到爬虫，大家可能会想到 Python，其完善的第三方库，使得一个刚入门的新手也可以写出一套套完整的爬虫程序，与此同时呢，网站的反爬虫措施也愈加强大。此次，我们另辟蹊径，使用 Javascript 来实现一种另类的爬虫！简介js 浏览器爬虫本质上就是通过 Javascript 操作 DOM对象来获取浏览器上的数据，相比 Python这类后端爬虫有着自己独特的优势：方便分享 / 使用，只用把 JS
转载
2023-07-23 08:02:21
802阅读
Python总结（二）常见数据类型上一篇我们简单介绍了如何用Python发送 http/https 请求获取网上数据,从web上采集回来的数据的数据类型有很多种,主要有:放在HTML里.直接放在里.放在JSON里.放在XML里.注意:这里很多概念都是web前端开发里的,因为我们采集的大多数数据都web,因此了解一些前端知识还是挺有必要的.下面我简单介绍下各种数据类型,并
转载
2023-08-14 12:48:01
3阅读
Nodejs爬虫进阶教程之异步并发控制 之前写了个现在看来很不完美的小爬虫，很多地方没有处理好，比如说在知乎点开一个问题的时候，它的所有回答并不是全部加载好了的，当你拉到回答的尾部时，点击加载更多，回答才会再加载一部分，所以说如果直接发送一个问题的请求链接，取得的页面是不完整的。还有就是我们通过发送链接下载图片的时候，是一张一张来下的，如果图片数量太多的话，真的是下到你睡完觉它还在下，而且我们用
