最近知乎的api发生了变化, 无法获得dict数据了, 求助.

anyone

api的地址似乎没有变化,

地址还是:

1. https://www.zhihu.com/api/v4/questions/{问题号码}/answers

复制代码

cookies 我一直是直接拷贝 chrome network中的cookies, 做一些简单的处理, 让其变成dict, 然后传入requests

头部使用:

1. {
   
2.                         'Host': "www.zhihu.com",
   
3.                 'Origin': "http://www.zhihu.com",
   
4.                 'Pragma': "no-cache",
   
5.                 'Referer': "http://www.zhihu.com/"
   
6.                 }

复制代码

以前这样就能爬出他的答案数据了. 可是从这两天开始, 就不行了, 总是反馈:

1. {"error":{"message":"请求参数异常，请升级客户端后重试","code":10003}}

复制代码

我在chrome的inspect中是可以看到答案数据的. 但是python中就不行.  
也尝试了将chrome的完整头部传输到requests中, 也是同样的错误提示?

似乎他们做了防爬处理? 请大神帮忙看看, 还有没有可能爬出答案?

非常感谢.

anyone

找到了几篇讨论这个事情的文章, 留此存档.

最新！Python爬虫爬取知乎文章内容（解决最新js反爬2021.8）_酒鬼考拉的博客-CSDN博客_爬虫爬文章
https://blog.csdn.net/weixin_51962852/article/details/119536986

有读者让我爬逼乎，是我大意了...（2021年知乎最新爬虫）_Kuls-CSDN博客
https://blog.csdn.net/qq_3654753 ... c_relevant_antiscan

新版知乎x-zse-86加密破解分析_一只不会爬的虫子-CSDN博客
https://blog.csdn.net/weixin_40352715/article/details/107546166

crossin先生

你的思路挺好，包括前面对api变化的分析，看起来不像是个编程小白

crossin先生

selenium，可以设置headless模式

anyone

感谢你的回复, 其中2种可能的总结给我了一些思路. 不过我是个编程小白, 勉强用用python的浅显功能, 估计暂时还达到不了做这个事情的水平.

目前我也在想另外一个思路, 有没有headless的浏览器, 在其中模拟滚动页面, 直到页面底部. 然后在html中萃取需要的数据.

不知道 @crossin先生 有什么可以推荐的headless的爬虫方案吗? 万分感谢.

crossin先生

请问这些头是怎么生成的呢?
---------
通常两种可能：
1.是根据已有的数据，通过某种规则计算出来。这个计算的代码在前端js里，理论上来说可以被找到并仿照实现
2.是每次后台提供的。这种情况也可以找到对应的数值或者请求，仿照同样的方法进行模拟
难点是如何从页面的大段代码里找到这个数据的来源。
这个需要前端，尤其是JS的经验。chrome开发者工具可以打断点的，可以搜索及学习下如何分析前端js代码（这是个技术活+辛苦活）

从实用角度来说，一般知名网站的接口，网上大多会有分析，去搜一搜可能会找到。但如果接口是刚刚改的，可能不太能找到，因为大家都还在学习中

但这种都是有赖于经验，再加上花精力去分析，没有固定的套路，每个网站用的方法都不会完全相同，所以也就没有一个可以直接照搬的教程（除非别人针对某个版本写好了）

anyone

我对比了一下chrome里面的request, 发现:

如果是在同一个登录窗口中, 每次不同页面的请求会有一个头产生变化:

"x-zse-96" 和  "x-zst-81":

如果是换了一个未登录知乎的窗口, 问题也能正常显示, 但请求头除了上面两个发生变化之外, 还有下面两个也变了

"x-ab-param" 和 "x-ab-pb"

上述的4个头参数的值都是类似口令似的无规律的,

请问这些头是怎么生成的呢?
如果不方便案例分析, 不知道哪里可以有相关教程我可以自己学习一下?

感谢.