你爱我，我爱你，IP被封很头疼【Python爬虫实战：ip代理js逆向采集】

本文链接：https://blog.csdn.net/m0_57472099/article/details/138366465

本文介绍了如何使用Python爬虫技术，通过requests和lxml库抓取站大爷网站的免费IP代理，涉及静态网页数据提取、加密解密过程，以及如何找到并解析动态加载的加密JS文件。作者还分享了Python学习资源和系统化的学习路径。

摘要由CSDN通过智能技术生成

直接进入今天的主题，相信学过爬虫的朋友们都知道爬虫封ip十分头疼，辣条今天带你获取免费ip代理

爬取目标

网址：站大爷

在这里插入图片描述

工具使用

开发环境：win10、python3.7 开发工具：pycharm、Chrome 工具包：requests，lxml

项目思路解析

请求目标网页地址从静态网页中提取出ip地址（端口图片暂时不做处理）

在这里插入图片描述通过xpath的方式提取出对应的网页数据提取下来的数据是进行加密的

在这里插入图片描述

提取数据的代码

session = requests.session()  
url = 'https://www.zdaye.com/FreeIPList.html'
response = session.get(url, headers=headers)
data = response.content.decode()
html_object = etree.HTML(data)
data_list = html_object.xpath('//*[@id="ipc"]/tbody/tr')

ip_list = []
for tr in data_list:
    ipnum = tr.xpath('./td[1]/text()')[0]
    ipnum2 = tr.xpath('./td[1]/@v')[0]
    ip_list.append((ipnum, ipnum2))

找到数据的加密方法查看是否为动态加载的数据

在这里插入图片描述

并不是动态数据找到加密的js文件

在这里插入图片描述

打断点调试js代码

在这里插入图片描述

解析对应的加密函数

def sdfsgfdg(s):
    s2 = s.split('m')
    ts = ''
    for i in range(len(s2) - 1, -1, -1):
        ts += chr(int(s2[i]) - 352)
    return ts


def MD5(p):
    return hashlib.md5((p).encode()).hexdigest().upper()


def get_keyurl(mk, ak):
    url = 'https://www.zdaye.com/' + mk + "_" + MD5(MD5(sdfsgfdg(mk) + "beiji" + ak)) + '.gif'
    return url


def dsfgsd(s, kk):
    s2 = s.split('#')
    ts = ''
    for i in range(len(s2) - 1, -1, -1):
        ts += chr(int(s2[i]) - kk)

    return ts


t = str(time.strftime('%Y/%m/%d %H:%M:%S',time.localtime())).replace(' ', "%20").replace("/0", "/")
new_url = 'https://www.zdaye.com/js/base.js?' + t
pp = session.get(new_url, headers=headers)
mk = re.findall('mk = "(.*?)";', pp.text)[0]
ak = re.findall('ak = "(.*?)";', pp.text)[0]
key_url = get_keyurl(mk, ak)
key = session.get(key_url, headers=headers)

out函数从html页面获取到td的v标签数据进行解析 showm为MD5的加密方法