主页 / 问题 / 1478586
Accepted
Аске
Asked:2022-12-17 20:53:21 +0000 UTC2022-12-17 20:53:21 +0000 UTC

我从 bs4 得到一个空数组

  • 772

我正在尝试解析来自站点的数据，但是出现了一个空数组，这是某种保护还是我不明白。附代码

import requests
from fake_useragent import UserAgent
from bs4 import BeautifulSoup
import json

url = 'https://tofunft.com/ru/collection/iguverse-nft/activities?category=listing'
ua = UserAgent()
headers = {'User-Agent': ua.chrome}

responce = requests.get(url, headers=headers)

soup = BeautifulSoup(responce.text, "html.parser")
find_data = soup.find_all('div', __class="chakra-stack")

print(find_data)
python

1 个回答

  1. Best Answer

    网站上有保护，但是和你的这些NFT一样，没用。您可以在 Tor 中打开页面以降低加载速度并查看那里发生了什么。

    是的，它是检查 cookie 和 JS 的 cloudflare 保护。但对于任何一位老妇来说，都有一个漏洞，特别是因为这种保护已经存在多年，因此也有解决方案。

    Cloudscraper重量只有 98 kB，不会加载像 Selenium 那样的资源，Selenium 会连同必要的数据一起加载其他一堆垃圾，非常易于使用。本质上是 requests 和 requests_toolbelt 的附加组件。

    import json
import cloudscraper
s = cloudscraper.create_scraper(delay=10,   browser={'custom': 'ScraperBot/1.0',})
url = r'https://tofunft.com/_next/data/U1Z9uAYluX_zw7t7_5z3D/ru/collection/iguverse-nft/activities.json'
params = {
    'category':'listing',
    'slug':'iguverse-nft'
}
# params['page'] = 2
r = s.get(url, params=params)
j = json.loads(r.content)
for i in j['pageProps']['data']['searchResp']['data']:
    print(i['nft']['meta']['name'])
    输出：
    Office Rat
Warrior
Dumka
Chester
King
King
Bonya
Swiper Boy
Laemanctus White
Diego
Diego
Ciffer
Pink Floyd
Laemanctus White
Swiper Boy
Kitpy
Diego
Red Bull
Leri
Cat

    这里的保护很薄弱，连headers都不要，你可以尽情的强奸这个网站。
    这意味着您从收集所需的数据，将所有内容放入循环中，在循环中递增page并将所有这些混乱收集到 DataFrame 中。你可以在我的另一个答案中看到如何做到这一点：
    我无法解析动态站点，更准确地说，当我转到带有 json 的页面时，它给出了 405 错误

    建议

    我正在尝试解析来自网站的数据，但出现了一个空数组，这是某种保护措施还是我不明白

    根据您的代码，您不仅有一个空数组。看看它给你的是什么responce.status_code（反应是用S写的）。

    上帝，是403的，当然，你有一个空数组。

    • 3

相关问题