h00k
h00k
1
Hejka mirki mam pytanko #programowanie

Mam bota co zbiera sobie pewne informacje z różnych stron i w tym celu raz dziennie wysyła zapytanie i dzisiaj jedna strona zamiast zwrócić mi interesujące mnie dane daje mi #captcha. Pytanko jak to ominąć, ponieważ wchodząc na stronę z poziomu przeglądarki wszystko działa, więc jakaś blokada na ip odpada a zapytanie do strony wysłam ze swoim user-agent (taki sam jak tej
  • Najlepsze
  • Wszystkie komentarze
blackredwhite
blackredwhite
@h00k: sprwadź cookies'y, captchuer może pod js'm sprawdzać rozdzielczość system itd. stąd może to być nie do ominięcia
malostkowy
Hejka,uczę się pisania web crawlerów i mam problem z #beautifulsoup, a dokładnie z tym by zaciągnąć większą ilość danych gdy są one na stronie pobierane w tle (ajax?) tak jak w przypadku wykopu.
Gdy zaciągam źródło strony ładowane jest 50 pierwszych znalezisk dla danego tagu,więcej ładuje się po zescrollowaniu strony.
Co zrobić żeby załadować więcej znalezisk ? Do pobrania zawartości używam freamworka #requests

krótki kod tego co nabazgrałem: https://pastebin.pl/view/1677c573
bądźcie wyrozumiali,
  • Najlepsze
  • Wszystkie komentarze
Wakun
Wakun
1
brakslow
brakslow
@malostkowy: jeśli to jakiś ajax to możesz użyć selenium. Jeśli tylko adres się zmienia, tak jak na wykopie, czyli wykop.pl/strona/2 to w pętli for podawaj kolejne adresy strony 2/3/4 itd
r.....t
r.....t
Treść przeznaczona dla osób powyżej 18 roku życia...
  • Najlepsze
  • Wszystkie komentarze
morsik
morsik
commitów #cvs


@rzet: oh god… Używacie też Windowsów 95 na stacjach roboczych? ( ͡° ͜ʖ ͡°)
Admiral16
@rzet Piszecie w COBOL'u?( ͡° ͜ʖ ͡°)
stan
stan
1
#blip czy #dashboard posiada swój RSS? to taki #feature #requests jeśli go nie ma ;)