时间戳

首页 > 解决方案 > Golang Colly Scraping - 网站验证码抓住了我的刮擦

go - Golang Colly Scraping - 网站验证码抓住了我的刮擦

问题描述

我确实为亚马逊产品标题做了抓取，但亚马逊验证码抓住了我的抓取工具。我尝试了 10 次 - go run main.go（8 次抓住了我 - 2 次我刮掉了产品标题）

我对此进行了研究，但没有找到任何适用于 golang 的解决方案（只有 python）有什么适合我的解决方案吗？

package main

import (
    "fmt"
    "strings"0

    "github.com/gocolly/colly"
)

func main() {

    // Create a Collector specifically for Shopify
    c := colly.NewCollector(
        colly.AllowedDomains("www.amazon.com", "amazon.com"),
    )
    c.OnHTML("div", func(h *colly.HTMLElement) {
        capctha := h.Text
        title := h.ChildText("span#productTitle")
        fmt.Println(strings.TrimSpace(title))
        fmt.Println(strings.TrimSpace(capctha))
    })

    // Start the collector
    c.Visit("https://www.amazon.com/Bluetooth-Over-Ear-Headphones-Foldable-Prolonged/dp/B07K5214NZ")
}

输出：

输入您在下面看到的字符对不起，我们只需要确保您不是机器人。为获得最佳效果，请确保您的浏览器接受 cookie。

标签： goweb-scrapingreverse-proxygo-colly

解决方案

如果你不介意不同的包，我写了一个包来搜索 HTML（基本上是瘦包装器github.com/tdewolff/parse）：

package main

import (
   "github.com/89z/parse/html"
   "net/http"
   "os"
)

func main() {
   req, err := http.NewRequest(
      "GET", "https://www.amazon.com/dp/B07K5214NZ", nil,
   )
   req.Header = http.Header{
      "User-Agent": {"Mozilla"},
   }
   res, err := new(http.Transport).RoundTrip(req)
   if err != nil {
      panic(err)
   }
   defer res.Body.Close()
   lex := html.NewLexer(res.Body)
   lex.NextAttr("id", "productTitle")
   os.Stdout.Write(lex.Bytes())
}

结果：

Bluetooth Headphones Over-Ear, Zihnic Foldable Wireless and Wired Stereo
Headset Micro SD/TF, FM for Cell Phone,PC,Soft Earmuffs &Light Weight for
Prolonged Waring(Rose Gold)

https://github.com/89z/parse

推荐阅读