request高级之防盗链

• 现在很多网站启用了防盗链反爬，防止服务器上的资源被人恶意盗取。什么是防盗链呢？

  • 以图片为例，访问图片要从他的网站访问才可以，否则直接访问图片地址得不到图片

• 练习，抓取微博图片，url：http://blog.sina.com.cn/lm/pic/，将页面中某一组系列详情页的图片进行抓取保存，比如三里屯时尚女郎：http://blog.sina.com.cn/s/blog_01ebcb8a0102zi2o.html?tj=1

• 1.在解析图片地址的时候，定位src的属性值，返回的内容和开发工具Element中看到的不一样，通过network查看网页源码发现需要解析real_src的值。

• 2.批量获取图片下载地址，请求下载地址保存图片

  • 通过抓包分析，页面数据不是动态加载
  • 代码实现：

import requests,os
from lxml import etree

dirName = '三里屯'
if not os.path.exists(dirName):
    os.mkdir(dirName)

headers = {
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36'
}

url = 'http://blog.sina.com.cn/s/blog_01ebcb8a0102zi2o.html?tj=1'

page_text = requests.get(url=url,headers=headers).text
tree = etree.HTML(page_text)

#获取图片地址
img_list = tree.xpath('//*[@id="sina_keyword_ad_area2"]/div/a/img/@real_src')
for img in img_list:
    img_name = img.split('/')[-1]+'.jpg'
    img_data = requests.get(url =img,headers = headers).content

    img_path = dirName + '/'  + img_name
    with open(img_path,'wb') as fp:
        fp.write(img_data)

• 3.此时，我们发现直接请求real_src请求到的图片不显示
  • 加上Refere请求头即可
  • 如何查找到Refere头信息勒
    • 抓包工具中，Network--->找到img--->找到界面上任意一张图片的数据包，request headers中找到Refere信息
      
    • 将Refere信息添加到headers中即可

import requests,os
from lxml import etree

dirName = '三里屯'
if not os.path.exists(dirName):
    os.mkdir(dirName)

headers = {
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.71 Safari/537.36',
    #添加Refere头信息
    'Referer': 'http://blog.sina.com.cn/'
}

url = 'http://blog.sina.com.cn/s/blog_01ebcb8a0102zi2o.html?tj=1'

page_text = requests.get(url=url,headers=headers).text
tree = etree.HTML(page_text)

#获取图片地址
img_list = tree.xpath('//*[@id="sina_keyword_ad_area2"]/div/a/img/@real_src')
for img in img_list:
    img_name = img.split('/')[-1]+'.jpg'
    img_data = requests.get(url =img,headers = headers).content

    img_path = dirName + '/'  + img_name
    with open(img_path,'wb') as fp:
        fp.write(img_data)

• 4.再次打开下载的图片，正常显示