几乎一样的代码和配置, aiohttp 和 requests 获取到的页面内容不一样, 这个问题可能出在哪?

import asyncio
import requests
import time
import json
import random
import aiohttp
from ori_async import get_proxy

list_url = 'https://www.amazon.co.uk/s?k=dress&ref=nb_sb_noss'
product_url = 'https://www.amazon.co.uk/AUSELILY-Womens-Sleeve-Pleated-Pockets/dp/B082W811L3/ref=sr_1_1_sspa?dchild=1&keywords=dress&qid=1596264150&s=clothing&sr=1-1-spons&psc=1&spLa=ZW5jcnlwdGVkUXVhbGlmaWVyPUEzTEpRR0NLRlhQMFFDJmVuY3J5cHRlZElkPUEwMDY5Nzg5MkZTUllZWTM3VFVIQiZlbmNyeXB0ZWRBZElkPUEwOTU0NzQ1MTE0QzhFV0w0SjJOMCZ3aWRnZXROYW1lPXNwX2F0ZiZhY3Rpb249Y2xpY2tSZWRpcmVjdCZkb05vdExvZ0NsaWNrPXRydWU='
baidu_url = 'https://www.baidu.com'


headers = {
        "authority": "www.amazon.co.uk",
        "method": "GET",
        "path": "/s?k=dress&i=clothing&ref=nb_sb_noss",
        "scheme": "https",
        "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9",
        "accept-encoding": "gzip, deflate, br",
        "accept-language": "zh-CN,zh;q=0.9,en;q=0.8,en-US;q=0.7,ja;q=0.6,zh-TW;q=0.5",
        "cache-control": "max-age=0",
        "cookie": "session-id=258-7467381-0898317; i18n-prefs=GBP; ubid-acbuk=262-6045121-6110346; x-wl-uid=13CgqXYwZCFN3okL9HYQm7Iyt8Md2S5Dj4uA/dwKZrgtM0V8Ii0/OTO/AbtTOSRVzmlpbyCfIvZw=; session-token=\"K1UgAkfjQLKORhX6CN0AXXcRycoGecW5zqC3Nk8y/0rr7ZHQPpm5kzjT0YPAY/M8vVOWYNXoWCDYhSbrXyHP/bnNILWcLd2I+04dfUASNtpMHQkTh2YNffN748Rd9HxMQ6wFjVkDsfhgbm/YgEQ5uy8H+qWM1i9z+8uePKVL1BfVQtQpOEFxLQK+1GRQHBfdt7urN81Bkg0WjHz3pOVR31pILIjf3aM1nhncWG1P/A93yPpUOBTFeMh5/6V4RrddfHGn4uifWdg=\"; session-id-time=2082758401l; csm-hit=tb:3GP38DER2C68WEEPMTK8+s-KCAYBB85E78WBDWP92X7|1595834228498&t:1595834228498&adb:adblk_yes",
        "downlink": "9.75",
        "ect": "4g",
        "rtt": "200",
        "sec-fetch-dest": "document",
        "sec-fetch-mode": "navigate",
        "sec-fetch-site": "same-origin",
        "sec-fetch-user": "?1",
        "upgrade-insecure-requests": "1",
        "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4181.9 Safari/537.36"
}
url = list_url
# proxies = get_proxy()
async def main():
    connector = aiohttp.TCPConnector(ssl=False)
    async with aiohttp.ClientSession(connector=connector) as session:
        async with session.get(url, headers=data["headers"]) as resp:
            print(resp.status)
            content = await resp.text()
            print(len(content))

start = time.time()
loop = asyncio.get_event_loop()
loop.run_until_complete(main())
end = time.time()
print('spend time is {}'.format(end - start))

# response = requests.get(url, headers=headers, proxies=proxies, timeout=8, verify=False)
response = requests.get(url, headers=headers, timeout=8, verify=False)
print("length is {}".format(len(response.text)))

import

Headers

aiohttp

13 条回复 • 2020-08-05 17:09:05 +08:00

locoz

2020-08-02 17:00:29 +08:00

抓包对比，分分钟就能看到问题所在

woshichuanqilz

2020-08-02 19:20:19 +08:00

@locoz
你好我用了 fiddler 抓包但是 aiohttp 的请求在 fiddler 里面不显示。

requests 是正常的。

aiohttp 的抓取过程是有的有页面保存下来

picone

2020-08-02 22:46:37 +08:00

wireshark 抓包对比下，可能底层做了些奇怪的处理。

Trim21

2020-08-02 22:51:46 +08:00 via Android

aiohttp 不能设置 proxy 吗…

gesse

2020-08-02 22:52:24 +08:00

电商网站，不一样的用户指纹，返回不一样的内容不很正常吗？

woshichuanqilz

2020-08-02 23:07:16 +08:00 via Android

@gesse 两个方法用的信息基本是一样的你说的指纹具体指的是什么这个例子能修改吗

woshichuanqilz

2020-08-02 23:07:50 +08:00 via Android

@Trim21 可以但是这个是是代理的问题吗

Trim21

2020-08-02 23:16:26 +08:00 via Android

@woshichuanqilz 我是说 fiddler 抓包的问题

Nigelchiang

2020-08-02 23:27:34 +08:00

楼主你的 cookie 都泄露了，赶紧把亚马逊退出重登一下吧

levelworm

2020-08-02 23:30:48 +08:00

cookie 建议不要贴出来。

gesse

2020-08-03 00:01:26 +08:00

@woshichuanqilz

https://fingerprintjs.com/
你自己用浏览器访问，清缓存、清 cookie 前后对比，看那串红色的数字是不是一样的。

locoz

2020-08-03 11:36:30 +08:00

@woshichuanqilz #2
aiohttp 的请求在抓包工具里不显示大概是因为你根本没有设置让它走代理，在请求的时候带上 proxy 参数就行了。

抓包先看 HTTP 层的各个参数有没有区别，有的话先处理成一模一样的。aiohttp 和 requests 的实现不同，对一些情况的处理并不相同，比如常见容易出问题的情况是 headers 里多了东西或者少了东西，或者是某个有特殊符号之类的 value 被编码成另一种样子之类的。
如果 HTTP 层都统一了但还是有区别的话，就用 wireshark 看看 SSL 层有没有什么区别，比如常见用来做 SSL 指纹的加密套件部分。

Te11UA

2020-08-05 17:09:05 +08:00

不一样是什么意思，长度不一样还是验证码？