有大佬能抓取这个网址吗

[gongfuxiongmao]

http://www.nhc.gov.cn/xcs/yqtb/list_gzbd.shtml

这个网址看着是静态网站，但是还是抓不到数据

[shuizhengqi]

你信不信你会被喝茶

[murmur]

一天一条数据你还写个爬虫，是家里的饭不香了还是房子没单间大了

[gongfuxiongmao]

@shuizhengqi 抓一个这网站，还好吧？又没违法

[opengps]

诚心建议：写爬虫不要碰这类网站

[ESeanZ]

“.gov.cn”这种域名的就别碰了

[mianbao1]

这是 zf 的网站吧

[gongfuxiongmao]

好吧，那还是听大家的吧，本来只是想学习一下，有疫情更新，就给自己发个邮件。

[jeffrycheng]

相信网警的力量，分分钟就警察到你家

[hundan]

又不造成影响 访问频率跟浏览差不多吧 除非你拿来做奇怪的用途 楼上一群未免矫枉过正？ icp 备案查询不也是 gov 域名 用 icp 备案查询网站做爬虫反代的你们是没见过吗？ 别说请你喝茶不讲理由 爬这个站点是触动了什么利益吗 看心情请你喝茶？

[fengbjhqs]

没有楼上说的那么可怕， 不要爬取用户信息，还有遵循 robots 协议，比如掘金的 https://juejin.im/robots.txt 和知乎的 https://www.zhihu.com/robots.txt ，坑爹的是这个网站没有

静态文件可以用正则，如果是 js 可以用 cheerio 或者 jsdom，

再有如果是疫情网上有其他 api，没有必要爬这个哇

[aureole999]

curl 都可以拿到内容啊，有啥不行的？

[coderluan]

告诉楼主个思路，别用爬虫，用油猴，数据肯定能拿到，这样实际上抓取的操作都是在你自己的电脑完成的，对于网站来说你只是打开页面速度很频繁而已，完全是安全的，这种方式”爬“数据的唯一缺点就是性能。

[Altar]

headless chrome

[fish267]

这么低频的，写个自动化脚本不就搞定了么

[barrelsoil]

@fengbjhqs 知乎把字节跳动屏蔽了？

[13k]

疫情数据新浪和网易都有 api，自行搜索 v 站

[crella]

这种静态网页，说不定连访问 ip 记录都没有……

广东省教育厅网页也几乎全是静态网页，加载速度很快

[Macguffin]

feed43，注册一个免费账号就行

[Mavious]

feed43 不是通用型爬虫，遇到 js 就挂比。不过楼主这种简单低频的需求我强烈推荐 feed43。

目前发现 feed 的 5 种失败情况：
1，post 协议给数据（ feed43 只支持 get，除非自建，否则完全无法解决，绝望）
2，该网站不允许国外访问（年久失修 g0v 居多，除非自建，否则完全无法解决，绝望）
3，js 返回数据的（看近几年有好转，feed43 正在改善这个问题，现在很少见了）
4，成功抓取了但无法记忆上一次已阅点的。一条页面 20 个条目，今日已读完，明天网站没有更新条目，但这 20 条又推过来了，简直重复条目轰炸。
5，网站临时性无法访问，feed 推个 bad request，长期性无法访问，就第一次推过 bad，然后就悄无声息了~？需要人肉排查找出无法更新的源，有时候很久才发现爬虫挂了，然后错过重要信息。累。

[gongfuxiongmao]

这个网站我用 postman，发现返回的数据，没有正文

[aloyuu]

@hundan 你肯定没被请喝茶过

[gongfuxiongmao]

@aureole999 curl 我这里怎么拿不到，里面的正文内容是空的，只有一堆 js

[dallaslu]

带着 Cookie 应该还好吧。另外 gov.cn 肯定能爬，不然天眼查的数据都哪里来的

[l0wkey]

@barrelsoil $BIDU$投资了

[npm]

小心喝茶噢

[hundan]

@aloyuu 你轻车熟路？

[aureole999]

chrome 打开 f12，找到页面请求，右键 copy as curl 就可以