在抓取时绕过python3中的Incapsula保护的任何选项吗？

Question

我是新手，并且已经被Incapsula保护所阻止。

import bs4
from urllib.request import urlopen as uReq
from bs4 import BeautifulSoup as soup

my_url = 'https://www.immoweb.be/fr/recherche/immeuble-de-rapport/a-vendre'

# opening up connection, grabbing the page
uClient = uReq(my_url)
page_html = uClient.read()
uClient.close()

#html parsing
page_soup = soup(page_html, "html.parser")

page_soup.h1

我无法访问网站上的任何数据，因为我被InCapsula问题阻止了...
当我输入时：

print(page_soup)

我收到此消息：

<html style="height:100%"><head><meta content="NOINDEX, NOFOLLOW" name="ROBOTS"/><meta content="telephone=no" name="format-detection"/>
[...]
Request unsuccessful. Incapsula incident ID: 936002200207012991-

Answer 1

我做了一些测试，这里描述了从python调用url时获取“错误”页面源的问题，只有@Karl Anka的解决方法起作用了。

请参阅以下示例：

from bs4 import BeautifulSoup
from selenium import webdriver

url = 'https://www.immoweb.be/fr/recherche/immeuble-de-rapport/a-vendre'

driver = webdriver.Chrome(executable_path='./chromedriver')
driver.get(url)

soup = BeautifulSoup(driver.page_source, features='html.parser')
driver.quit()

print(soup.prettify())

输出：

<html class="js flexbox rgba borderradius boxshadow opacity cssgradients csstransitions generatedcontent localstorage sessionstorage" style="" xmlns="http://www.w3.org/1999/xhtml" xmlns:fb="http://www.facebook.com/2008/fbml" xmlns:og="http://opengraphprotocol.org/schema/">
 <head>
  <script async="" src="https://c.pebblemedia.be/js/data/david/_david_publishers_master_produpress.js" type="text/javascript">
  </script>
  <script async="" src="https://scdn.cxense.com/cx.js" type="text/javascript">
  </script>
  <script async="" src="https://connect.facebook.net/signals/plugins/inferredEvents.js?v=2.8.47">
  </script>
  <script async="" src="https://connect.facebook.net/signals/config/1554445828209863?v=2.8.47&amp;r=stable">
  </script>
[...]

在抓取时绕过python3中的Incapsula保护的任何选项吗？

问题描述

1 个解决方案

解决方案1
1 已采纳 2019-05-16 18:57:37

在抓取时绕过python3中的Incapsula保护的任何选项吗？

问题描述

1 个解决方案

解决方案1 1 已采纳 2019-05-16 18:57:37

解决方案1
1 已采纳 2019-05-16 18:57:37