尝试学习python和web抓取一些web站点。看看我能学到什么。我注意到Amazon.com会给我一个Response 503
,除非我在SESSION.get()
中使用header属性。在
但这对readcomiconline.to不起作用,不管我做什么,我都会得到一个Response 503
。假设这与JavaScript预加载程序有关。在
有什么办法吗?在
import requests
urlAmazon = 'http://amazon.com'
urlComics = 'http://readcomiconline.to'
headerAgent = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2228.0 Safari/537.36'}
client = requests.session()
resultOne = client.get(urlAmazon)
print(resultOne) #<Response [503]>
resultOne = client.get(urlAmazon, headers=headerAgent)
print(resultOne) #<Response [200]>
resultTwo = client.get(urlComics)
print(resultTwo) #<Response [503]>
resultTwo = client.get(urlComics, headers=headerAgent)
print(resultTwo) #<Response [503]>
尝试使用Selenium,但仍然得到503错误。有没有办法绕过javascript做一个合适的网页抓取?在
^{pr2}$
selenium最棒的地方是它可以使用
execute_script('script')
模拟脚本执行的操作。对于内容由JS呈现的站点,最好的方法是了解JS如何呈现内容。跟踪XHR并检查响应以查看它是否返回所需的内容。在相关问题 更多 >
编程相关推荐