【经验贴】用最土的手法，最高调的绕过反爬

文章目录

缘起
第一次尝试：咱毕竟是懂技术的人，干的活儿那怎么能没有技术含量？
第二次尝试：算了，什么技术部技术的，土办法来吧
第三次尝试：失败了？不，只是没调好参而已啦，再干！！！
第四场：给老子爬！！！
- 经验一：
- 经验二：
- 经验三：
- 经验四：
- 放码过来
结语

缘起

哈喽大家好，我是“看，未来”，好久不见。或者说，好久不爬了。

但是今晚，重出江湖，“血雨腥风”不至于，拿了数据我就走。

这不要考试了嘛，想着拿一下平时的选择题来过一遍，加深一下印象。奈何那选择题都是被选过的了，答案的痕迹很明显，又不让复制粘贴。

简单的说呢，目标是这样的：

那你说这样的试题做起来有什么意思，难道我要说：“看不到看不到，我看不到答案”，骗谁呢。

而且吧，我这人有个癖好，我要打印出来看呐。

但是吧，题目可以直接复制，选项不让复制，这给我着急的啊。

第一次尝试：咱毕竟是懂技术的人，干的活儿那怎么能没有技术含量？

是吧，咱如果只会截图，提取文字，那和没学过爬虫的小白有什么两样？
我们有一个老师，给我们的题目都是纯英文的，每次做完还要我们从头到尾翻译一遍交上去。
没点技术，真得去把英语学得很六啊，不然百度翻译都麻烦？

于是我果断打开了网页源代码，这时候我可以介绍一下这套题目的规模了：

总共六套试题，平均每套试题有32道题目，这就是近200道题了，每道题有四个选项，个别多选题有五个。
也就是说，我如果用手去复制粘贴，要复制粘贴各1000下。

这事儿我能干吗？我复制粘贴了100下就果断放弃了，这事儿我干不了！！！

第二次尝试：算了，什么技术部技术的，土办法来吧

于是，我开始用截图。。。
是的，我又一次屈服了。。。

但是，就算截图，我也要与众不同，我长截图！！！
一套试卷我直接一张图分四段截下来，一段8题。到打印的时候，我成功的发现，打印出来，那字得用显微镜去看，可惜我暂时买不起。

于是，这条路又失败了。

第三次尝试：失败了？不，只是没调好参而已啦，再干！！！

缓了缓神儿，去考了场试回来，我深思熟路。

字太小，是不是我一次截太多题目了，那我一次截4题？

说干就干，吭哧坑次一小时又过去了，再打印，好家伙，字虽然小，终于可以看了，就是淡了点。

诶，不对，这答案怎么明显比较深色啊。

完了，又白干了。。。

于是我跟身边的好兄弟抱怨了一下：这复制粘贴简直要命。
他说：你可以花一个晚上。
我说：你开什么玩笑？这是一晚上能解决的事情？
他说：我的意思是，牺牲你睡觉的一晚上，弄完发我一份儿，我替你睡觉。

我当时锤爆他的心都有了，还是嘴硬：算了算了，我去爬吧。

第四场：给老子爬！！！

我想，要不我去把网页源码复制下来吧。

好家伙，复制不了。

看都不用看，这种要登录的，不交账号密码去post，根本不可能给你requests到源码的。

当时，post吧，又是加密过的。。。

你说怎么po?

我本来对post也不熟。

于是我就想转json包，发现包里的网址也上不去。

很无奈。

重头戏来了，前面讲了那么多废话，重头戏来了

经验一：

将鼠标放在数据上方，左击，有两个选项，选第一个：“copy value”，可以复制该作用域下数据。我选择的是“data”

就算json的网址无法打开（因为要登录），我们也可以通过这种方式来获取json的内部数据！！！

复制下来之后呢，放在txt文件里面，拖到浏览器打开浏览。

经验二：

这里我全程推荐用谷歌浏览器，Chrome。别问我为什么，以前讲过很多遍了。

经验三：

对于这种有很多双引号和单引号在内的数据，用三引号包起来。
但是，直接包是不行的，直接包，type是srt，但是转不了json。

会报这个错：“json.decoder.JSONDecodeError: Expecting ‘,‘ delimiter: line xx column xx (char xxx)”

问题原因：
将字符串作为字符串文字复制粘贴到Python源代码中，出现错误。

解决办法：
在这种情况下，\n被解释为单个字符（换行符）。您可以通过使用原始字符串文本来修复它（r’’，使用三引号r’’’…’’'以避免在字符串文本中转义""引号）

经验四：

Python3报错：Non-UTF-8 code starting with '\xe7’的错误

咱也不知道为啥，就是第一次可以，后面换了个字符串就行了，很迷。仔细比对了两个json字符串，没有什么区别啊。

Python3默认使用utf-8的编码格式，如果出现Non-UTF-8 code starting with '\xe7’的错误，可以在程序的最顶部加上 # -- coding:utf-8 --即可。

放码过来

不好意思啊，我这个写的比较土一点，短短几行，写不出很长的代码来，见谅见谅。

def get_value(score):'''从json类型字符串提取目标标签下数据:param score: 目标字符串:return: null'''json_js = json.loads(score)for data in json_js['lists']:print(data['title'])print("answer: " + data['answer'])for option in data['options']:print(option['id'] + ": " + option['title'])print('-------------')

不要诧异为什么只是print，没有写入文件。

不要问，问就是懒得写，我直接cv到word里不好吗？

结语

代码不是重点，重点是这个思路。不管方法有多土，只要简单，且最快的实现目标，就行了，没人管我土不土，他们只要我的文档。

也有朋友知道后跟我说：你为什么不用selenium呢？或者直接将网页源码离线保存下来？
首先，selenium不比这个好写，而且，还慢。其实就是不好写。

网页源码离线保存，我试过了，到时候还要正则，再排版，在输入到文档中，更麻烦。

我的好朋友曾给我看过一个笑话，在他看来是笑话，但是却引起了我的深思，我分享给大家吧。

有个不大的公司，遭遇一个黑客勒索，黑客说，一天不交赎金，就按时给公司断电。然后，他做到了。公司老板很着急啊，就开始让技术部门排查，查了很久查不出来，又斥重金去外面请了安全专家来排查，还是没查出来。后来，偶然有一次，被发现黑客花了点钱买通了公司里的一个老大爷，老大爷每天按时去拉电闸。。。

批复是：真正厉害的手法，往往是最原始的。。。

一千个读者有一千个哈姆雷特吧，我还是忘不了那天中午，老师让我打开了淘宝，一块钱买了我一周的努力，这就是方法论，方向论，解决问题的路子要广，要野，思路要打开，怎么稳，怎么简单，怎么来。