我写了一个脚本来抓取网站上的PHP文件中的数据。我编写了脚本,只有当页面上的当前数据与上一次从页面抓取数据时发生了变化,它才会输出数据。该页面确实需要验证,这就是为什么我添加了PHPSESSID。这将允许查看页面。 Cloudflare已实施urllib2绕过cloudflare
在访问website.com之前检查您的浏览器。
该过程是自动的。您的浏览器很快就会重定向到您请求的内容。 请允许长达5秒...
这已经打破了我的脚本,它无法从页面抓取数据。我看着cfscrape,并不知道如何将它实现到我当前的脚本中以使其运行。如果任何人都可以提供非常棒的帮助!我讨厌不得不伸出援手,但我需要尽快让这个功能起作用。
#!/usr/bin/python
from time import sleep
import re
import hashlib
import urllib2
import winsound
def doMd5(data):
mdo = hashlib.md5()
mdo.update(data)
return mdo.hexdigest()
def doRequest():
try:
head = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36',
'Cookie': 'PHPSESSID=ldc1bp9mj7n4ocffvftm25te62'}
req = urllib2.Request('http://www.example.com/random/random.php', headers=head)
res = urllib2.urlopen(req)
data = res.read()
return data
except:
return "exception"
last_log = ""
while True:
data = doRequest()
if data == "exception" or data == "":
print "Exception!"
continue
new_hash = doMd5(data)
if new_hash != last_log:
print "New Data"
winsound.Beep(100, 80)
handler = open('data.html', 'a')
handler.write(data + '\n')
handler.close()
last_log = new_hash
else:
sleep(3)
print "Refreshing..."
continue
用[cfscape usage](https://github.com/Anorov/cloudflare-scrape#usage)替换所有的urllib用法...你所需要做的就是获取网站内容,对不对? –