与我们合作

我们专注：网站策划设计、网络舆论监控、网站优化及网站营销、品牌策略与设计
主营业务：网站建设、移动端微信小程序开发、APP开发、网络运营、云产品·运维解决方案

有一个品牌项目想和我们谈谈吗?

您可以填写右边的表格，让我们了解您的项目需求，这是一个良好的开始，我们将会尽快与您取得联系。当然也欢迎您给我们写信或是打电话，让我们听到您的声音

您也可通过下列途径与我们取得联系：

地址: 上海市长宁区华宁国际7L

电话: 400-825-2717(咨询专线)

电话: 13054973230(售后客户服务)

网址: http://www.56gw.net

传真: 021-61488448

邮箱: admin@wumujituan.com

快速提交您的需求 ↓

网站采集教程-采集马蜂窝

发布日期：2024-01-07 浏览次数：8278

其一：马蜂窝采用了“加速乐”SCDN，这个CDN厉害之处在利用爬虫脚本非浏览器特性，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+浏览器关系，换了IP会导致__jsl_clearance_s失效，继续http头部报521

其三：__jsl_clearance_s，他有时效性，目前估算是45分钟，也就是意味着，45分钟后，必须重新获取到最新的且有效的值

其四：SCDN，还有请求访问频率限制（根据IP），超出qps频率，IP直接被封30分钟，http头部返回403拒绝。

其五：马蜂窝部分业务，最多让你前25页的数据，就算原则游10000多页，但也只能让拿到前25页数据

那么怎么解决呢？

【有钱人的方案】
采用python+v8扩展，可以参考另外大神分析过程 https://blog.csdn.net/YungGuo/article/details/109818327，以及代码样本 https://github.com/YungGuo08/WebSpider/tree/master/cookie_analysis/1

IP呢？免费的http代理不靠谱，花钱找一个服务商提供代理池，你得同时要解决每个IP应该需要爬取多少个http请求，不然会进入403被封IP的禁地

【穷人的方案】
PC+chrome+F12，手动抓取__jsluid_s + __jsl_clearance_s，
如果出现403，让爬虫等待30分钟，接着干活

对于我本人，哈哈，当然属于穷人一列了。

本站仅提供存储功能，如果文章侵犯了您的权益，请随时联系我么。