网站总是使用过时的浏览器来标记它
网站总是使用过时的浏览器来标记它
提问于 2019-02-18 06:12:21
我正在尝试抓取网站的https://anichart.net/，以便使用这些信息来建立一个时间表。问题是该站点总是检测到过时的浏览器(显示http://outdatedbrowser.com)。
<div class=noscript>We\'re sorry but AniChart requires Javascript.
<br>Please enable Javascript or <a
href=http://outdatedbrowser.com>upgrade to a modern web browser</a>.
</div></noscript><div class="noscript modern-browser" style="display:
none">Sorry, AniChart requires a modern browser.<br>Please <a
href=http://outdatedbrowser.com>upgrade to a newer web browser</a>.</div>我尝试了一个常规请求，也尝试了强制用户代理，如下所示。
import requests
self.url = 'https://anichart.net/Winter-2019'
headers = {'User-agent': 'Chrome/72.0.3626.109'}
self.page = requests.get(self.url, headers=headers)
print(self.page.content)我知道该站点使用的是javascript，请求模块不会引用该站点的javascript生成部分，除非我使用其他工具或潜在的Selenium。我的浏览器是最新的，所以这不应该返回过时的浏览器结果。
这在几天前还工作得很好，但看起来他们只是更新了他们的网站，所以他们可能添加了一些阻止网站自动请求的东西。
编辑：
Selenium代码如下：
from selenium import webdriver
url = 'https://anichart.net/Winter-2019'
website = webdriver.Chrome()
website.get(url)
print(website.page_source)
html_after_JS = website.execute_script("return document.body.innerHTML")
print(html_after_JS)Stack Overflow用户
发布于 2019-02-18 06:18:09
问题不在于浏览器检测。
requests只是简单地呈现JavaScript (您似乎已经知道了)，而且现在大多数网站都使用前端Javascript库来呈现内容。还有一些网站使用Javascript检测来防止机器人抓取页面……
相反，您将需要使用Selenium这样的工具，它将打开一个您选择的无头的“现代”浏览器，您可以从那里抓取页面。但是您还没有展示这些代码，所以问一下这个问题可能更有意义？
或者，更好的是，他们有一个API - https://github.com/AniList/ApiV2-GraphQL-Docs。
AniList & AniChart网站本身在Api上运行，所以你可以在这些网站上做的所有事情，都可以通过Api来完成。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54738176
复制相关文章
相似问题
腾讯云开发者
