这是一个创建于 1212 天前的主题，其中的信息可能已经有所发展或是发生改变。
写了个自用小爬虫，追漫画用，每天刷一次，稳定运行了几个月。
然而，漫画网站是在 cloudflare 上，突然之间就被识别为 BOT，拒绝访问了。可让我非常意外的是，同样的 IP，浏览器访问一点问题都没有！
在 V2 查了前人资料，说是 TLS 指纹技术。顺藤摸瓜，发现了每个客户端都有指纹，难怪相同的 UA/Cookie，curl 不行，浏览器却可以，因为两者的 SSL 指纹是不一样的。( https://browserleaks.com/ssl 里的 JA3 Hash)
于是乎，剩下了二个解决方案：
-
修改爬虫客户端，模仿浏览器的行为。但问题是，cloudflare 的 tls 指纹算法并没有公开，网上也搜不到相关信息，应该不可能用 JA3 这种开源解决方案。靠猜测编程，是非常不靠谱的行为，遂放弃。
-
把 google chrome 当成代理服务器，运行一个网页，用 websocket 和爬虫通讯，然后用 ajax 去访问目标站点。
用 AJAX 暂时解决了问题，也不知道几个月后，会不会出现新问题。怀念以前 http 不加密一把梭的年代，什么都是明文，简单明了直接。
35 条回复 • 2021-08-03 17:58:23 +08:00
 |
1
whileFalse 2021-08-01 07:32:33 +08:00 via iPhone  26
所以网站凭什么白给你爬？
|
 |
2
junksheng 2021-08-01 08:21:29 +08:00 via Android
你想白女票，自然要做好斗智斗勇的准备
|
 |
3
hideokuze 2021-08-01 08:21:54 +08:00
这些事情属于“偷偷的进村，打枪的不要”，就是占网站便宜。要是真闹腾起来了怕不是连这个渠道都给你堵上了。
|
 |
4
dingwen07 2021-08-01 09:17:35 +08:00 via Android
试试看 headless ？不过多半也不行
|
 |
5
3dwelcome OP @dingwen07 也许 headless 可以吧，毕竟是同一个浏览器内核。
但我没用过，不知道怎么用 headless 来点图形验证码或者滑动码。 被 cloudflare 打分识别为 BOT 后，一直返回 403，访问就跳 recaptcha 界面，就是不知道怎么互动。 |
|
6
3dwelcome OP @whileFalse "所以网站凭什么白给你爬？"
网站又没说什么，个人爬虫每天访问量，不会超过 20 个页面，也就是爬点主流的海贼王，一拳超人之类的更新页面。 主人没说啥，是 cloudflare 这个管家，私下把我给拒之门外。 |
 |
7
crab 2021-08-01 10:57:55 +08:00
找出源站 IP 绕过 cloudflare
|
 |
8
o00o 2021-08-01 11:12:38 +08:00
@3dwelcome 爬就别想着能一劳永逸，这是一场攻防战，战争白热化之后别说不能爬，连普通用户都会受影响。
参见淘宝（普通用户多刷几次网页都会出验证码）、 闲鱼（砍掉网页版）、 微信（网页版新用户不能使用、强制升级）、 QQ （强制升级、网页版无法使用） |
 |
9
AoEiuV020 2021-08-01 11:13:04 +08:00 via Android
哪个网站反爬这么狠？
不如试试爬国内的，那种随处可见的盗版网站基本都是随便请求的， |
|
10
3dwelcome OP @crab “找出源站 IP 绕过 cloudflare”
试了一下你的方法，好像不行。 原理就是扫描互联网上所有 IPV4 段，主动记录和 IP 对应 443 接口的 SSL CERT 证书信息，然后看有没有源站的域名在里面。如果有，加上 HOST 大概率就能访问，绕过 cloudflare cdn 。 工具的话，网上推荐了用 https://censys.io ，来遍历所有的证书和对应的 IPv4，但很可惜，查不出来。 |
|
12
3dwelcome OP @crab “哪个漫画站啊”
https://www.onemanhua.com/ 我是看他更新速度挺快的，基本上全网数一数二。 "理论上用 chrome 当代理最后也是会遇到因为请求次数多被识别 BOT " 应该是这样的，只能尽可能降低请求频率。好在 chrome 就算被识别成 bot, 还能输入验证码，不至于被永远卡死在 403 （手动狗头） |
 |
13
zhengfan2016 2021-08-01 11:42:35 +08:00
python 有专门绕过 cloudflare 的库
|
 |
14
icyalala 2021-08-01 12:57:30 +08:00 11
|
 |
15
izzy27 2021-08-01 14:02:56 +08:00
我寻思你这漫画没人爬
|
 |
16
kxxoling 2021-08-01 15:21:13 +08:00 1
cloudflare 软广 🐶
|
 |
17
tabris17 2021-08-01 15:30:05 +08:00
爬虫不要放服务器，用自己家电脑爬
|
 |
18
Lemeng 2021-08-01 15:30:12 +08:00
白票就是用技术和时间来节省 money，牛就拿
|
 |
19
BBCCBB 2021-08-01 16:26:31 +08:00
用 puppeteer 直接运行 chrome 爬..
|
 |
20
no1xsyzy 2021-08-01 18:13:13 +08:00
据说可以用 Cloudflare worker 爬，直接白名单（
|
 |
21
Keyblade 2021-08-01 19:51:16 +08:00
V2 不是不让聊盗版么
|
 |
23
512357301 2021-08-01 20:35:00 +08:00 via Android
@3dwelcome 那就做个打码接口呢，把验证码传回到邮箱或者任意地方，并通知你，你通过指定的接口把验证码文本回传给爬虫，然后爬虫模拟输入。
不过这种无法对付那种点击或者滑块的验证码 |
 |
24
Felldeadbird 2021-08-01 23:02:28 +08:00 2
我有个方案。linux 服务器装个图形界面。 然后写个 chrome 扩展。浏览器打开一下目标站点，剩下就可以无限爬了。
|
 |
25
monkey110 2021-08-02 02:24:12 +08:00
追个漫画至于上爬虫么 身为小白都是用 chrome 插件 Your notifier 检测漫画更新状态
|
 |
26
ShinichiYao 2021-08-02 08:18:36 +08:00
冒充搜索引擎
|
 |
27
ctro15547 2021-08-02 08:34:27 +08:00
找个代理 多个 ip 随机用呗，Selenium
|
 |
28
okakuyang 2021-08-02 09:22:27 +08:00
全自动反反爬挺难的吧，网上很多网站写了绕过办法，实际对新版 cloudflar 根本没效。
|
 |
29
2bNot2b 2021-08-02 09:42:38 +08:00
用 cloudflareworkers 试试？
|
 |
30
wtdd 2021-08-02 09:58:32 +08:00
现在这时代的网速，追漫画还需要上爬虫？
|
 |
31
SmiteChow 2021-08-02 10:47:46 +08:00
你方向错了
×爬虫 √action 自动化 chrome 安装扩展绕过跨域安全策略 1.Allow CORS: Access-Control-Allow-Origin 2."Escape Cookie SameSite Policy" |
 |
32
fank99 2021-08-02 11:02:48 +08:00 1
|
|
33
3dwelcome OP |
 |
34
lap510200 2021-08-02 11:40:30 +08:00
以前做投票类的项目就是用指纹在网关层干掉，因为活动奖品一旦值钱，总有人恶意脚本刷票
|
 |
35
pabupa 2021-08-03 17:58:23 +08:00
@ShinichiYao 搜索引擎会爬图片吗？
|
Select Language