Usando aiohttp do Python para fazer uma solicitação da web, eu estou ficando um fora navegador de erro data?

votos
0

Eu estou tentando usar os aynscioe aiohttppacotes para solicitar uma página web. No entanto, a resposta da página web é:

<p class=warning-title> Please upgrade your web browser. </p>  <br/>
<p class=p-top-30>This browser version is outdated, and may not be fully compatible with our website. Please upgrade to a newer version or use another browser.    </p>

Na verdade, não carregar a página que eu estou tentando o acesso, mas a página inicial em seu lugar.

CÓDIGO

from fake_useragent import UserAgent
import ssl
from bs4 import BeautifulSoup
import asyncio
import aiohttp

ua = UserAgent()

hdr = {'User-Agent': str(ua.chrome),
       'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
       'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
       'Accept-Encoding': 'none',
       'Accept-Language': 'en-US,en;q=0.5',
       'Connection': 'keep-alive'}

ssl_ctx = ssl.create_default_context()
ssl_ctx.check_hostname = False
ssl_ctx.verify_mode = ssl.CERT_NONE

url = '...'

async def parse_website(session):
    async with session.get(url) as response:
        html = await response.text()

    soup = BeautifulSoup(html, 'html.parser')

    print(soup)

async with asyncio.Semaphore(3):
    async with aiohttp.TCPConnector(ssl=ssl_ctx, limit=None) as connector:
        async with aiohttp.ClientSession(connector=connector, headers=hdr) as session:
            for i in range(1):
                await parse_website(session)

Eu tentei não incluindo o headersargumento na terceira a última linha async with aiohttp.ClientSession(connector=connector) as session:, mas, em seguida, a resposta é que eu não esperou tempo suficiente para o captcha. Então eu tenho que usar o headersargumento para ignorar o captcha, mas eu sempre obter uma Please upgrade your browserresposta. Eu também tentei adicionar cookies={}à mesma linha async with aiohttp.ClientSession(connector=connector, headers=hdr, cookies={}) as session:, mas obter a mesma resposta original dizendo que o navegador está desatualizado.

Eu também estou mostrando apenas um pedido url aqui. Uma vez que eu tenho esse trabalho eu vou escalar para milhares, de modo que é por isso que eu estou tentando fazer este trabalho com o asyncioe aiohttppacotes.

Alguém poderia me dizer onde estou indo errado aqui?

Publicado 02/12/2019 em 23:51
fonte usuário
Em outras línguas...                            


1 respostas

Usando aiohttp do Python para fazer uma solicitação da web, eu estou ficando um fora navegador de erro data?

votos
0

Eu estou tentando usar os aynscioe aiohttppacotes para solicitar uma página web. No entanto, a resposta da página web é:

<p class="warning-title"> Please upgrade your web browser. </p>  <br/>
<p class="p-top-30">This browser version is outdated, and may not be fully compatible with our website. Please upgrade to a newer version or use another browser.    </p>

Na verdade, não carregar a página que eu estou tentando o acesso, mas a página inicial em seu lugar.

CÓDIGO

from fake_useragent import UserAgent
import ssl
from bs4 import BeautifulSoup
import asyncio
import aiohttp

ua = UserAgent()

hdr = {'User-Agent': str(ua.chrome),
       'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
       'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
       'Accept-Encoding': 'none',
       'Accept-Language': 'en-US,en;q=0.5',
       'Connection': 'keep-alive'}

ssl_ctx = ssl.create_default_context()
ssl_ctx.check_hostname = False
ssl_ctx.verify_mode = ssl.CERT_NONE

url = '...'

async def parse_website(session):
    async with session.get(url) as response:
        html = await response.text()

    soup = BeautifulSoup(html, 'html.parser')

    print(soup)

async with asyncio.Semaphore(3):
    async with aiohttp.TCPConnector(ssl=ssl_ctx, limit=None) as connector:
        async with aiohttp.ClientSession(connector=connector, headers=hdr) as session:
            for i in range(1):
                await parse_website(session)

Eu tentei não incluindo o headersargumento na terceira a última linha async with aiohttp.ClientSession(connector=connector) as session:, mas, em seguida, a resposta é que eu não esperou tempo suficiente para o captcha. Então eu tenho que usar o headersargumento para ignorar o captcha, mas eu sempre obter uma Please upgrade your browserresposta. Eu também tentei adicionar cookies={}à mesma linha async with aiohttp.ClientSession(connector=connector, headers=hdr, cookies={}) as session:, mas obter a mesma resposta original dizendo que o navegador está desatualizado.

Eu também estou mostrando apenas um pedido url aqui. Uma vez que eu tenho esse trabalho eu vou escalar para milhares, de modo que é por isso que eu estou tentando fazer este trabalho com o asyncioe aiohttppacotes.

Alguém poderia me dizer onde estou indo errado aqui?

Respondeu 02/12/2019 em 23:51
fonte usuário

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more