图片爬取
这段时间一直在研究有关Pixiv的图片爬取的问题
以下呢,是我目前遇到过的问题
- 通过链接无法爬取图片
- 绕过Pixiv登录人机检测
其中困惑了我比较久的是图片链接为什么不见了这个问题。
我曾写过一个Python脚本用于爬取图片,在爬其他网站时一切正常,但一旦尝试爬取Pixiv的图片时就报错HTTP 403
。
如果使用浏览器在登录的状态下选择“保存图片至本地”,便可以正常的保存图片,但复制图片的链接来进行下载的话就跳转到403了。
推测是因为Pixiv需要登录,才能够通过这个链接下载图片。
但是问题是在一个已登录的浏览器中,直接访问图片链接同样也是无法访问的。
这里提出几点假设。
1.将脚本登录之后再尝试是否可以访问
2.用web调试台抓取点击下载之后的数据包
3.无账号访问图片的作品链接并查看图片下载链接
4.图片有可能经过Base64加密并存放在某json数据中
我先一个个试一下,这个文章会持续更新。
最近尝试了一下,发现并无任何高端防治手段,只需要在Headers内添加Referer即可,即
GET / HTTP/1.1
Host:网址
Referer: 加上了http协议的完整网址链接
其他内容
只通过Referer判断是否是正常请求,其实也算是一种偷懒吧。