與我們合作

我們專注：網(wǎng)站策劃設(shè)計(jì)、網(wǎng)絡(luò)輿論監(jiān)控、網(wǎng)站優(yōu)化及網(wǎng)站營(yíng)銷、品牌策略與設(shè)計(jì)
主營(yíng)業(yè)務(wù)：網(wǎng)站建設(shè)、移動(dòng)端微信小程序開發(fā)、APP開發(fā)、網(wǎng)絡(luò)運(yùn)營(yíng)、云產(chǎn)品·運(yùn)維解決方案

有一個(gè)品牌項(xiàng)目想和我們談?wù)剢?

您可以填寫右邊的表格，讓我們了解您的項(xiàng)目需求，這是一個(gè)良好的開始，我們將會(huì)盡快與您取得聯(lián)系。當(dāng)然也歡迎您給我們寫信或是打電話，讓我們聽到您的聲音

您也可通過下列途徑與我們?nèi)〉寐?lián)系：

地址: 上海市長(zhǎng)寧區(qū)華寧國(guó)際7L

電話: 400-825-2717(咨詢專線)

電話: 13054973230(售后客戶服務(wù))

網(wǎng) 址: http://www.njgqt.org.cn

傳真: 021-61488448

郵箱: admin@wumujituan.com

快速提交您的需求 ↓

網(wǎng)站采集教程-采集馬蜂窩

發(fā)布日期：2024-01-07 瀏覽次數(shù)：38448

其一：馬蜂窩采用了“加速樂”SCDN，這個(gè)CDN厲害之處在利用爬蟲腳本非瀏覽器特性，利用了IP->http 521->cookie:__jsluid_s->http 521 ->cookie:__jsl_clearance_s->cookie: __jsluid_s+ __jsl_clearance_s->http 200

其二：__jsluid_s又是IP+瀏覽器關(guān)系，換了IP會(huì)導(dǎo)致__jsl_clearance_s失效，繼續(xù)http頭部報(bào)521

其三：__jsl_clearance_s，他有時(shí)效性，目前估算是45分鐘，也就是意味著，45分鐘后，必須重新獲取到最新的且有效的值

其四：SCDN，還有請(qǐng)求訪問頻率限制（根據(jù)IP），超出qps頻率，IP直接被封30分鐘，http頭部返回403拒絕。

其五：馬蜂窩部分業(yè)務(wù)，最多讓你前25頁(yè)的數(shù)據(jù)，就算原則游10000多頁(yè)，但也只能讓拿到前25頁(yè)數(shù)據(jù)

那么怎么解決呢？

【有錢人的方案】
采用python+v8擴(kuò)展，可以參考另外大神分析過程 https://blog.csdn.net/YungGuo/article/details/109818327，以及代碼樣本 https://github.com/YungGuo08/WebSpider/tree/master/cookie_analysis/1

IP呢？免費(fèi)的http代理不靠譜，花錢找一個(gè)服務(wù)商提供代理池，你得同時(shí)要解決每個(gè)IP應(yīng)該需要爬取多少個(gè)http請(qǐng)求，不然會(huì)進(jìn)入403被封IP的禁地

【窮人的方案】
PC+chrome+F12，手動(dòng)抓取__jsluid_s + __jsl_clearance_s，
如果出現(xiàn)403，讓爬蟲等待30分鐘，接著干活

對(duì)于我本人，哈哈，當(dāng)然屬于窮人一列了。

本站僅提供存儲(chǔ)功能，如果文章侵犯了您的權(quán)益，請(qǐng)隨時(shí)聯(lián)系我么。