前言
大家好，我们今天来爬取c站的高校名单，把其高校名单，成员和内容数获取下来，不过，我们发现这个网站比我们平时多了一个验证，下面看看我是怎么解决的。
功能实现
话不多说，我们和平时一样，发送我们的请求，按照平时，我们看看代码怎么写。
|
1
2
3
4
|
url = 'https://bizapi.csdn.net/community-cloud/v1/homepage/community/by/tag?deviceType=PC&tagId=37'headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36'} response = requests.get(url=url,headers=headers) |
我们在这里使用 requests 库发送 GET 请求，并将 URL 和请求头作为参数传递给 get 方法。请求的 URL 是 https://bizapi.csdn.net/community-cloud/v1/homepage/community/by/tag?deviceType=PC&tagId=37，表示查询社区根据标签分类的数据。请求头包含了 User-Agent 和 Accept 字段，分别表示客户端的 User-Agent 和 Accept 协议类型。
不过我们会发现，我们得不到数据，就说明我们被反爬了，我尝试了很多次，我们发现它做了一个验证。
|
1
2
3
4
5
6
7
8
9
10
|
headers = { 'accept': 'application/json, text/plain, */*', 'origin': 'https://bbs.csdn.net', 'referer': 'https://bbs.csdn.net/college?utm_source=csdn_bbs_toolbar&spm=1035.2022.3001.8850&category=37', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36', 'x-ca-key': '203899271', 'x-ca-nonce': '13b10c23-6a9b-423e-92a7-b114bc2c7f48', 'x-ca-signature': 'Hhnf/RUARDM2jddNAkl2tJ6hpXfweWbY1U4/yh6FCZM=', 'x-ca-signature-headers': 'x-ca-key,x-ca-nonce', } |
我们这里科普一下，x-ca-signature 是对请求内容的签名，用于验证请求的完整性和可信性。 签名通常是通过使用私钥和一种哈希算法（如 SHA256）对请求内容进行计算得到的。 如果请求头中出现这三个参数，放心，是为了反爬用的，当然也可以用于限制请求频率，防止恶意攻击。
在解决该反爬问题时，第一步就是要找到他们的加密点。寻找 x-ca-key、x-ca-nonce、x-ca-signature 加密位置这一步主要看你对开发者工具的使用熟练程度了，寻找任意一个携带该请求头参数的请求，然后添加相应断点。通过请求地址中的部分关键字，即可添加 XHR 断点。再次刷新页面，可进入断点中，一般会停留在send()函数位置。 下面的步骤就是比较枯燥的了，需要一点点的解密，例如在本函数头部找到headers，发现其参数 x-ca-key、x-ca-nonce、x-ca-signature 已经被赋值。
这里我们没有做多页爬虫，就没有去解密了，感兴趣的朋友自己去尝试。
内容获取
我们拿到了数据，接下来就可以提取内容了，我们看看代码怎么写，这里就很简单了。
|
1
2
3
4
5
6
7
|
data =responses.json()['data'] for list in data: tagName = list['tagName'] list_url= list['url'] res = requests.get(list_url) num = re.findall('<div id="codetool">
我们这里使用
总结
我们这样就获取到了内容，本文仅供学习，更多关于Python采集C站高校信息的资料请关注服务器之家其它相关文章！ 原文链接：https://juejin.cn/post/7228875876616962104 延伸 · 阅读
精彩推荐
最近更新 编辑推荐
阅读排行 |
