Python攻破超强防火墙,处理超强反爬并对CSS图片背景偏移定位。




import requests
from pyquery import PyQuery as pq
from urllib.parse import urljoin
from selenium import webdriver
from selenium.webdriver.firefox.options import Options as FirefoxOptions
from selenium.webdriver.chrome.options import Options as ChromeOptions
 
class Spider:
    def __init__(self, url, proxy=None, user_agent=None):
        self.url = url
        self.proxy = proxy
        self.user_agent = user_agent
        self.driver = self.get_driver()
 
    def get_driver(self):
        # 这里假设你有合适的浏览器驱动程序路径
        firefox_driver_path = '/path/to/geckodriver'
        chrome_driver_path = '/path/to/chromedriver'
        # 设置浏览器选项
        firefox_options = FirefoxOptions()
        chrome_options = ChromeOptions()
        if self.user_agent:
            firefox_options.add_argument(f'user-agent={self.user_agent}')
            chrome_options.add_argument(f'user-agent={self.user_agent}')
        if self.proxy:
            firefox_options.add_argument(f'--proxy-server={self.proxy}')
            chrome_options.add_argument(f'--proxy-server={self.proxy}')
        # 返回浏览器驱动实例
        try:
            return webdriver.Firefox(firefox_options=firefox_options, executable_path=firefox_driver_path)
        except Exception:
            return webdriver.Chrome(chrome_options=chrome_options, executable_path=chrome_driver_path)
 
    def get_page(self, url):
        self.driver.get(url)
        return self.driver.page_source
 
    def parse_page(self, html):
        doc = pq(html)
        # 解析CSS中的背景图片URL
        background_urls = doc('style').contents().findall(r'url<span class="katex">\(&quot;(.+?)&quot;\)</span>')
        for url in background_urls:
            print(urljoin(self.url, url))  # 打印完整的图片URL
 
    def close(self):
        self.driver.close()
 
# 使用示例
spider = Spider('http://example.com', 'http://proxy.com', 'Mozilla/5.0')
html = spider.get_page(spider.url)
spider.parse_page(html)
spider.close()

这个示例代码展示了如何使用Selenium和PyQuery来爬取网页,并解析CSS中的背景图片URL。它假设你已经有了合适的浏览器驱动程序路径,并且可以设置代理和用户代理。这个代码片段提供了一个简单的框架,可以根据实际需求进行扩展和定制。

最后修改于:2024年08月15日 13:07

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日