携程酒店详情页,指定入住日期的房价数据,怎么获取?
疫情放开后很多行业开始了复苏,之前公司因为疫情暂停的项目现在又开始慢慢的启动了。最近小姐分到了一个爬取携程上一些酒店的数据需求,需要获取到酒店详情页,指定入住日期的房价数。但是据携程有反爬虫措施的,详情页的房价数据,似乎必须登录才能获取。但登录后账号频繁查房价的行为肯定会被携程记录下来,严重的话账号会被携程拉小黑屋,账号查不到房价,要过几天才会解封。例如下图这样
仔细的分析了下网站主要是对IP的需求比较严,这里直接在爬虫程序里面加了高质量的代理IP,然后继续爬取,效果还是蛮理想的。但是说到代理IP之前真的找了很多,也测试了很多家,不是延迟很高,就是速度很慢,有些超时特别严重,最后在几家比较好的代理里选择了性价比,服务最好的某牛云代理。以下就是加上他们家代理爬取成功的代码示例,分享给大家参考下:
#! -*- encoding:utf-8 -*- import requests import random # 要访问的目标页面 targetUrl = " https://hotels.ctrip.com/hotels/detail/?hotelId=373052&checkIn" # 要访问的目标HTTPS页面 # targetUrl = " https://hotels.ctrip.com/hotels/detail/?hotelId=373052&checkIn" # 代理服务器(产品官网 www.16yun.cn) proxyHost = "t.16yun.cn" proxyPort = "31111" # 代理验证信息 proxyUser = "username" proxyPass = "password" proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % { "host" : proxyHost, "port" : proxyPort, "user" : proxyUser, "pass" : proxyPass, } # 设置 http和https访问都是用HTTP代理 proxies = { "http" : proxyMeta, "https" : proxyMeta, } # 设置IP切换头 tunnel = random.randint(1,10000) headers = {"Proxy-Tunnel": str(tunnel)} resp = requests.get(targetUrl, proxies=proxies, headers=headers) print resp.status_code print resp.text