python 爬一个 ajax 网站，用 selenium 来登录后，那么如何获取指定 url 的数据？
qweweretrt515 · 2016-11-01 23:50:34 +08:00 · 5509 次点击这是一个创建于 2936 天前的主题，其中的信息可能已经有所发展或是发生改变。
这个网站的登录功能设置的变态，算法复杂 没有办法直接用 requests 登录
所以只能用 selenium 登录
但是登录后，如何获取指定 url 比如 /getUserinfo 的数据呢 ？ 这个链接，直接访问会返回错误 而登录后，进入 页面 /index 的时候 ，/index 页面会自动去 ajax 请求 /getUserinfo 并会返回正确的数据 如何在 /index 页面自动请求 /getUserinfo 的时候，获取到他返回的内容呢？
另外这个网站，有强烈的声明，发现任何爬虫痕迹就会封号，如何最大程度的看起来像个人在访问呢?
我要抓取的数据量很小，每天就不到 100 个请求，可能 50 个左右，这个请求量 应该是正常的
如果我把 selenium 登录后的 cookies 分享给 requests ，会被对方发现是机器人吗？因为 requests 的 header 可能和 selenium 不一样，会被对方发现，或者 selenium 自身有没有类似 requests 这样，可以自定义请求网页的接口？
 |
1
ldbC5uTBj11yaeh5 2016-11-01 23:51:14 +08:00  1
selenium 太重了，推荐使用 headless webkit 的方案的。比如 ghostpy
|
 |
2
qweweretrt515 OP @jigloo 谢谢， py3.5 安装这个无法正常导入，看来还是先用 selenium
|
|
3
qweweretrt515 OP 继续求大神指点
|
 |
4
hshpy 2016-11-02 00:24:29 +08:00 via iPhone 1
WebDriverWait 或直接 time.sleep(10)
|
 |
5
CosimoZi 2016-11-02 01:15:31 +08:00 1
哦我明白了， lz 是要得到类似于返回的原始 json 数据之类，而不是渲染后的直接的 html 页面吗
|
 |
6
crab 2016-11-02 01:17:07 +08:00 1
直接 requests 。 useragent referer 指定下。爬的延迟 控制好就可以了。
|
|
7
qweweretrt515 OP @CosimoZi 主要担心我的爬虫行为会被发现
|
 |
8
arischow 2016-11-02 08:27:12 +08:00 via iPhone
最近用 selenium + phantomjs 模拟输入然后抓 ajax 返回结果的……
|
Select Language