Obsługa JavaScriptu i zabezpieczeń przed scrapingiem
Proszę używać Playwright/Selenium do treści renderowanych przez JS oraz ograniczania częstotliwości żądań.
Obsługa JavaScriptu i zabezpieczeń przed scrapingiem to bezpłatna lekcja Python Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Python Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Python Academy zawiera 4 lekcji w sumie.
Dlaczego JavaScript ma znaczenie
Nowoczesne witryny renderują treść za pomocą JavaScriptu po załadowaniu strony. Scrapery statycznego HTML, takie jak requests+BS4, widzą szkielet, a nie wyrenderowany DOM.
# Static scraper sees:
# <div id="app"></div>
# Rendered page has:
# <div id="app">
# <h1>Product List</h1>
# <ul>... dynamically loaded items ...</ul>
# </div>Playwright dla Pythona
Playwright programowo steruje prawdziwą przeglądarką (Chromium, Firefox, WebKit). Przed wydobyciem treści czeka na wykonanie kodu JavaScript.
# pip install playwright
# playwright install
import asyncio
from playwright.async_api import async_playwright
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch()
page = await browser.new_page()
await page.goto("https://example.com")
title = await page.inner_text("h1")
print(title)
await browser.close()
asyncio.run(main())Oczekiwanie na elementy
page.wait_for_selector() należy używać do oczekiwania na pojawienie się elementu w DOM przed wydobyciem danych.
from playwright.async_api import async_playwright
import asyncio
async def scrape():
async with async_playwright() as p:
browser = await p.chromium.launch()
page = await browser.new_page()
await page.goto("https://spa-example.com")
await page.wait_for_selector(".product-list")
items = await page.query_selector_all(".product-item")
texts = [await i.inner_text() for i in items]Selenium
Selenium to starsza biblioteka do automatyzacji przeglądarek. W nowych projektach preferowany jest Playwright ze względu na lepszą obsługę asynchroniczności i większą szybkość.
# pip install selenium
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
driver = webdriver.Chrome()
driver.get("https://example.com")
elem = WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.CSS_SELECTOR, "h1"))
)
print(elem.text)
driver.quit()Tryb headless
Przeglądarki należy uruchamiać w trybie headless, czyli bez widocznego okna, na potrzeby scrapingu po stronie serwera.
from playwright.async_api import async_playwright
import asyncio
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch(headless=True) # no window
page = await browser.new_page()
await page.goto("https://example.com")
html = await page.content()
await browser.close()Przechwytywanie żądań sieciowych
Playwright może przechwytywać i mockować żądania sieciowe, co jest przydatne do blokowania reklam i modułów śledzących lub bezpośredniego przechwytywania odpowiedzi interfejsu API.
from playwright.async_api import async_playwright
import asyncio
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch()
page = await browser.new_page()
await page.route("**/*.{png,jpg,css}", lambda route: route.abort())
await page.goto("https://example.com") # loads 3x fasterOgraniczanie częstotliwości i opóźnienia
Należy naśladować zachowanie człowieka: dodawać losowe opóźnienia między żądaniami i ograniczać ich częstotliwość, aby uniknąć uruchomienia systemów antybotowych.
import time, random
def polite_scrape(urls):
for url in urls:
fetch(url)
time.sleep(random.uniform(1, 3)) # 1-3 s random delayRotacja User-Agentów
Należy rotować ciągi User-Agent, aby uniknąć blokady na podstawie domyślnego identyfikatora UA scrapera.
import requests, random
USER_AGENTS = [
"Mozilla/5.0 (Windows NT 10.0; Win64; x64) ...",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) ...",
]
def fetch(url):
return requests.get(url, headers={"User-Agent": random.choice(USER_AGENTS)})Pliki cookie i sesje
Należy zachowywać pliki cookie sesji, aby pozostać zalogowanym między żądaniami. Zarówno requests Session, jak i Playwright automatycznie obsługują pliki cookie.
import requests
with requests.Session() as s:
s.post("https://example.com/login", data={"user":"me","pass":"pw"})
# session cookie kept automatically:
dashboard = s.get("https://example.com/dashboard")CAPTCHA i kwestie prawne
CAPTCHA to zabezpieczenia przeciw botom. Programowe rozwiązywanie takich zabezpieczeń jest technicznie możliwe (2captcha, anti-captcha), ale budzi wątpliwości etyczne i prawne. Przed rozpoczęciem scrapingu należy zawsze zapoznać się z plikiem robots.txt witryny i jej regulaminem.
# Before scraping:
# 1. Check robots.txt: https://example.com/robots.txt
# 2. Review the Terms of Service for "scraping" or "automated access" clauses
# 3. Only scrape public data
# 4. Honour Crawl-delay directives
# 5. Cache responses to avoid repeated hitsZrzuty ekranu i PDF w Playwright
Playwright może wykonywać zrzuty ekranu lub drukować strony do PDF — jest to przydatne w testach wizualnych i archiwizacji.
from playwright.async_api import async_playwright
import asyncio
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch()
page = await browser.new_page()
await page.goto("https://example.com")
await page.screenshot(path="page.png", full_page=True)
await page.pdf(path="page.pdf")
await browser.close()Szybkie sprawdzenie
Dlaczego requests + BeautifulSoup nie działają w przypadku wielu nowoczesnych witryn?
Podsumowanie
Do stron renderowanych przez JavaScript należy używać Playwright lub Selenium. Na serwerach należy uruchamiać je w trybie headless. Aby uniknąć blokad, należy dodawać opóźnienia i rotować identyfikatory User-Agent. Żądania sieciowe można przechwytywać w celu blokowania modułów śledzących. Należy zawsze przestrzegać robots.txt i regulaminu usługi.
Często zadawane pytania
Czy lekcja „Obsługa JavaScriptu i zabezpieczeń przed scrapingiem” jest bezpłatna?
Tak — pełny tekst „Obsługa JavaScriptu i zabezpieczeń przed scrapingiem” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Python Academy, przejdź na CoddyKit PRO. Kurs Python Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Obsługa JavaScriptu i zabezpieczeń przed scrapingiem”?
Proszę używać Playwright/Selenium do treści renderowanych przez JS oraz ograniczania częstotliwości żądań. Ćwiczysz Python Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Python Academy?
Nie wymagamy żadnego doświadczenia. Python Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.
Ile czasu zajmuje lekcja „Obsługa JavaScriptu i zabezpieczeń przed scrapingiem”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Python Academy?
Tak. Każda lekcja Python Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Żądania HTTP za pomocą requests i httpx
- Parsowanie HTML za pomocą BeautifulSoup
- Budowanie spidera Scrapy
- Obsługa JavaScriptu i zabezpieczeń przed scrapingiem