我使用Scrapy并尝试刮取使用incapsula的this site
<meta name="robots" content="noindex,nofollow">
<script src="/_Incapsula_Resource?SWJIYLWA=719d34d31c8e3a6e6fffd425f7e032f3">
</script>
两年前我就已经问过AQuestion这个问题，但是这个方法（Incapsula-Cracker已经不起作用了。
我试着理解，我试着绕过它。
def start_requests(self):
yield Request('https://courses-en-ligne.carrefour.fr', cookies={'store': 92}, dont_filter=True, callback = self.init_shop)
def init_shop(self,response) :
result_content = response.body
RE_ENCODED_FUNCTION = re.compile('var b="(.*?)"', re.DOTALL)
RE_INCAPSULA = re.compile('(_Incapsula_Resource\?SWHANEDL=.*?)"')
INCAPSULA_URL = 'https://courses-en-ligne.carrefour.fr/%s'
encoded_func = RE_ENCODED_FUNCTION.search(result_content).group(1)
decoded_func = ''.join([chr(int(encoded_func[i:i+2], 16)) for i in xrange(0, len(encoded_func), 2)])
incapsula_params = RE_INCAPSULA.search(decoded_func).group(1)
incap_url = INCAPSULA_URL % incapsula_params
yield Request(incap_url)
def parse(self):
print response.body
但是我被重定向到How Incapsula works
<html style="height:100%">
<head>
<META NAME="ROBOTS" CONTENT="NOINDEX, NOFOLLOW">
<meta name="format-detection" content="telephone=no">
<meta name="viewport" content="initial-scale=1.0">
<meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1">
</head>
<body style="margin:0px;height:100%">
<iframe src="/_Incapsula_Resource?CWUDNSAI=27&xinfo=3-10784678-0%200NNN%20RT%281523525225370%20394%29%20q%280%20-1%20-1%20-1%29%20r%280%20-1%29%20B12%284%2c316%2c0%29%20U10000&incident_id=459000960022408474-41333502566401539&edet=12&cinfo=04000000" frameborder=0 width="100%" height="100%" marginheight="0px" marginwidth="0px">Request unsuccessful. Incapsula incident ID: 459000960022408474-41333502566401539
</iframe>
</body>
</html>
最佳答案
所以，首先，对于这些问题，没有一个万无一失的解决方案。我作为一个实际的用户，最终不得不在stackoverflow上回答时解出captcha。这意味着一个机器人肯定会得到Captchas。
现在，我试图遵循一些规则来减少验证码的机会
永远不要为此类项目使用共享代理。使用TOR是一个很大的NO
使用
将chrome与Chrome配合使用。我更喜欢那些有不同网站浏览历史的个人资料，来自许多其他网站和追踪器的cookie，并且可以追溯到上个月。您不知道如何对用户/机器人程序差异进行评估。所以你想看起来更像一个真正的用户
不要以很快的速度刮伤，尽可能多地使用延迟，尽可能多地使用随机延迟
始终使用一个可见的浏览器并持续监控验证码，在验证码出现时手动解决验证码或使用DeathbyCaptcha或类似服务。不要放弃验证码页面，因为它可能会增加你的机器人概率检查到更高的等级。
这是一个猫捉老鼠的游戏，你不知道对方有什么作为防御。所以你试着轻松愉快地玩
关于python - 如何绕过Incapsula与Python，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49751135/