推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 1619 天前的主题，其中的信息可能已经有所发展或是发生改变。
前提：爬取的是亚马逊。爬虫代码不变，俩 virtualenv 都装了一模一样的包，在同一台机子上，用同一个代理。
其中一个环境一直出验证码和 503，但是切换到另外一个环境上却都是正常响应。另外，使用抓包软件看的话，一直出验证码的环境走抓包软件代理后也会正常，但一不用就恢复原状……
使用了最简单的 requests demo 也是一模一样的情况
有没有同学遇到过一样的问题呢? 或者说有什么排查点呢?
PS: 被反爬的环境是一直在运行爬虫代码的，目测可能是有机器学习机制，但是特征点完全找不到在哪，HTTP 层是一模一样的，TCP 层粗略看了下也没什么区别……
其中一个环境一直出验证码和 503，但是切换到另外一个环境上却都是正常响应。另外，使用抓包软件看的话，一直出验证码的环境走抓包软件代理后也会正常，但一不用就恢复原状……
使用了最简单的 requests demo 也是一模一样的情况
有没有同学遇到过一样的问题呢? 或者说有什么排查点呢?
PS: 被反爬的环境是一直在运行爬虫代码的，目测可能是有机器学习机制，但是特征点完全找不到在哪，HTTP 层是一模一样的，TCP 层粗略看了下也没什么区别……
31 条回复 • 2022-09-19 15:28:51 +08:00
 |
1
zarte 2020-07-14 17:24:14 +08:00
ip 导致的吧
|
 |
3
ruanimal 2020-07-14 17:38:33 +08:00
应该是 requests 版本不一样的，可能改了默认 header 、session 处理等
|
 |
5
Licsber 2020-07-14 17:56:15 +08:00
贴一下 pip list 或者 conda list
|
 |
6
Te11UA OP |
 |
7
ungrown 2020-07-14 19:18:01 +08:00
也就是说唯一的区别是两个环境的“新旧程度”不同？
那可能还是有什么残留的数据或者配置在捣鬼。 为控制变量，不妨再新建一个…… |
 |
8
phpfpm 2020-07-14 19:45:44 +08:00
我建议你把 request 打到你自己的一个网站上比较一下 request 的区别
|
 |
9
rayhy 2020-07-14 20:09:05 +08:00  1
在两个环境分别请求一下 http://httpbin.org/anything 看看结果有啥不同吧
|
 |
10
smplesugar 2020-07-14 20:46:52 +08:00
老哥，我也是采集亚马逊和你出现了同样的问题，希望可以探讨一下
|
 |
11
maoxs2 2020-07-14 21:05:02 +08:00 via Android
会不会是这样的。venv1 先访问然后拿到一个 cookie，之后访问都带着 cookie 走。然后测试 venv2 的时候刚开始没带 cookie 然后就直接被 ban 了？
|
 |
12
locoz 2020-07-14 21:15:47 +08:00 via Android
排除法。
你确定以及肯定你在「用抓包软件」和「没用抓包软件」两种情况下的「两次请求」，IP 都一致吗？有可能只是因为你「忘记设置上级代理」了所以在抓包的时候才会得到一样的结果。 你确定以及肯定抓包时看到的所有东西都一致吗？比如 SSL/TLS 层那个握手时的「支持的加密套件」甚至是具体的版本号。 如果两个请求在各方面都是一致的，就不可能有差异… |
 |
13
tikazyq 2020-07-14 22:21:35 +08:00
上代码
|
|
15
Te11UA OP @locoz 一致的，上级代理设置成一样的。HTTP 是一样的，SSL 倒是不太清楚呢……
@smplesugar 吼啊，tg 或者啥联系方式可以留一下~ @maoxs2 并不是，抓包和请求 httpbin 看了，不带 cookie，都正常 |
 |
18
qqqqq9898 2020-07-15 10:19:49 +08:00
之前做过亚马逊的爬虫 我猜测你的情况是被后台取了设备指纹, 走代理软件会更改你的请求头, 另外我认为, 你一个环境被检测到了, 那么另一个环境也快了.
|
|
19
locoz 2020-07-15 10:46:36 +08:00
@Te11UA #14 如果 IP 是一致的，但上了代理之后都能变正常，那么就大概率是 SSL/TLS 层的问题。建议试一下使用 Wireshark 分别抓一下开抓包和没开抓包两种情况下的两个请求包，并仔细对比其中的 SSL/TLS 连接部分。
|
|
22
smplesugar 2020-07-15 11:24:51 +08:00
wx base64: bHN6OTU5
|
|
24
qqqqq9898 2020-07-15 11:32:21 +08:00
@Te11UA 包括但不限于 CPU 内存 插件 UA 时区 GPU 分辨率 浏览器指纹 还有于用验证的 metadata 等等, 供你参考
|
 |
25
hushao 2020-07-15 11:35:04 +08:00 via iPhone
看下某些地方是不是有随机的可能？
|
|
27
Te11UA OP @qqqqq9898 你说的这些是反爬用到的，用 chromedp 和 selenium 之类的可以操作，但是我想问的是俩 Python 环境之间有什么差别会导致这种现象呢? CPU 内存之类的应该不会有差别吧
|
 |
28
wangritian 2020-07-15 11:42:36 +08:00
直觉上是某个 http header 引起的，http 版本？ keep-alive ？
|
|
29
qqqqq9898 2020-07-15 12:34:34 +08:00
@Te11UA 给你一个思考方向 具体的问题只能你自己调试了 我不用 PYTHON 和无头做爬虫 所以你的问题虽然大概是出在这方面 但我没办法给你具体的解决方法
|
 |
30
zhbzhbzhbz 2020-07-15 13:06:44 +08:00
@rayhy 这个厉害了~
|
 |
31
PEax 2022-09-19 15:28:51 +08:00
老哥，遇到了同样的问题，解决了吗
|
Select Language