V2EX 首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python 学习手册
Python Cookbook
Python 基础教程
Python Sites
PyPI - Python Package Index
http://www.simple-is-better.com/
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
V2EX  ›  Python

想写个爬虫,爬到 form,填表,提交,然而目标站有保护,求助!

  •  
  •   way2explore2 · 63 天前 · 909 次点击
    这是一个创建于 63 天前的主题,其中的信息可能已经有所发展或是发生改变。

    直接不隐讳的直接说了,想写个 python 脚本帮朋友申请签证名额,

    遇到的问题

    1. 每次 get,得到的都是 noscript 的提示,需要 JS
    2. 对于非本地 IP 有验证码

    我的尝试

    mechanize

    import sys
    import mechanize
    url ='xxx'
    response2=br.open(url)
    request = br.request
    print (response2.info())
    print (response2.read())
    

    output:

    Cache-Control: no-store, must-revalidate, no-cache, max-age=0
    Content-Type: text/html
    Connection: close
    Vary: Accept-Encoding
    Pragma: no-cache
    Expires: -1
    CacheControl: no-cache
    X-UA-Compatible: IE=edge
    Content-Type: text/html; charset=utf-8
    
    ... more content ...
    
    <noscript>Please enable JavaScript to view the page content.</noscript>
    </head><body>
    </body></html>
    

    selenium

    from selenium import webdriver
    from selenium.webdriver.common.keys import Keys
    
    driver = webdriver.Firefox()
    url= 'xxx'
    driver.get(url)
    
    print driver.context
    print driver.title
    
    print driver.page_source
    driver.close()
    

    output

    nosctipt 同上
    

    Refes

    1. 目标站点及详细问题,请见 so https://stackoverflow.com/questions/44562212/fetching-web-page-but-need-javascript-to-view-page-content
    2. 目标 url 在 comment 里
    11 回复  |  直到 2017-06-21 16:05:14 +08:00
        1
    golmic   63 天前
    怎么登录,需要用户名密码啊。可以帮你看看
        2
    chuanqirenwu   63 天前
    直接开 selenium 在真机上刷,以前刷论坛是这么做的。
        3
    LeeSeoung   63 天前
    1、需要 JS 要么协议头有问题,要么获取了 cookies,要处理。
    2、对接验证码平台。
        4
    XiaoFaye   63 天前
    楼主,是新西兰的 WHV 签证吧?别爬了,没用的。这个现在只能靠手速和自动填表了。23 号就开抢了,你现在准备也太晚了吧?今年网站已经改版了,表格最新的 DOM 信息有吗?付款页面的 DOM 信息有吗?这些我都有,不过一早已经没兴趣抢了。不过移民政策改了,相信今年抢的人不会那么多了,君不见淘宝的代抢价格已经从 7000 多降到 4000 多了吗?

    最后,祝你朋友好运啦!
        5
    bget   63 天前
    推荐个爬虫软件你试一下:www.sensite.cn/bget,支持 JS 解析,扩展性强,支持可视化配置。
        6
    prasanta   61 天前 via Android
    你还不如写一个 chrome 插件,自动填表
        7
    way2explore2   61 天前
    @XiaoFaye 这对朋友不是中国的,开抢事件不一样
        8
    way2explore2   61 天前
    @bget 不是我不想用,只是这 UI 和网站为什么有点很老旧的感觉。
    ![img]( http://www.sensite.cn/images/BgetMainWindow.gif)
        9
    way2explore2   61 天前
    @XiaoFaye 另外,Dom 真的不是问题,你看一眼他的 form 你就知道了
        10
    way2explore2   61 天前
    @golmic 多谢,我之前申请了一个测试用的账号
    email
    ManuelaMeyer@jourrapide.com
    pwd:
    ieJai3Yae
        11
    way2explore2   61 天前
    @chuanqirenwu 我试了 selenium,你说的真机上刷,是指?
    DigitalOcean
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   鸣谢   ·   2592 人在线   最高记录 3541   ·  
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.7.5 · 52ms · UTC 01:45 · PVG 09:45 · LAX 18:45 · JFK 21:45
    ♥ Do have faith in what you're doing.
    沪ICP备16043287号-1