Xin chỉ cách lấy hết url trang hanaslexis.com

Discussion in 'Hỏi Đáp Kỹ Thuật' started by noname007, Dec 3, 2019.

  1. noname007

    noname007 Tân Thủ Thôn

    Xin chào các bác,
    Chả là em muốn lấy link tất cả các cards trang http://hanaslexis.com/cards/trum-boys-in-the-backroom-1
    để lấy dữ liệu bỏ vào Anki học cho tiện.
    mà Nhấn " Tiếp " ở dưới nó ra random link cards. Nhưng nó lặp đi lặp lại. Nhấn cả 3k lần, lấy urls. lọc trùng ra còn có hơn 300 cards không trùng.
    Xin hỏi có cách nào scrape dc hết link site này ko ạ?
    Xin cám ơn ạ.
     
  2. thanh858036

    thanh858036 Sơ Nhập Giang Hồ

    hanaslexis.com/cards/random
    nó random rồi xài tool request rồi lọc thôi
     
    noname007 likes this.
  3. Nai

    Nai MiddleMan Staff Member

    Site này mới, index ít. Tuy random nhưng chắc chưa có nhiều kết quả đâu, thấy content có tính đầu tư ban đầu cao chứ không đơn thuần là content random nên khó mà tạo ra con số khổng lồ được. Vì vừa có text mà hình ảnh lại có nghĩa với content nữa.
     
    noname007 likes this.
  4. Dang

    Dang Bang Chúng

    Site random như thế này khả năng không lấy hết được.
    Code:
    http://hanaslexis.com/cards/api/get20
    => Mỗi lần được 20 items, sau đó filter unique.
     
    Last edited: Dec 4, 2019
  5. noname007

    noname007 Tân Thủ Thôn

    Này fake ip, trình duyệt rồi request lại API là lại lấy 20 cards khác hả bác. ?
    Em muốn lấy nhiều nhiều chút r bỏ vào phần mềm học cho tiện thôi. Mà hqua dùng tool nhấn next rồi copy url mà hơn 5k cards, lọc trùng vẫn ra có hơn 300 card :D.
     
  6. Dang

    Dang Bang Chúng

    Mình request trực tiếp mà không dùng proxy / vpn, cũng như đổi user-agent thì không thấy bị chặn.
     
  7. noname007

    noname007 Tân Thủ Thôn

    em sợ k đổi nó lặp lại thôi. chứ site chắc k có để chặn.
    Em có để change proxy, agent rồi. Hy vọng oke. :D
    Cám ơn bác .
     
  8. noname007

    noname007 Tân Thủ Thôn

    em thử change IP, agent. vẫn ko thêm dc card mới nào. Vẫn 350 Card cũ.
    Tìm thử vài tử ở mục ô tìm kiếm, rồi so với list. thì vẫn nhiều card chưa có. Vậy là k chỉ có 350cards.
    Chắc vài hôm get 1 lần mới dc list mới :3.

    upload_2019-12-4_13-8-28.png
     
  9. hoangvn92.it

    hoangvn92.it Sơ Nhập Giang Hồ

    biết đâu dc data nó có như vậy thôi =))
     
  10. noname007

    noname007 Tân Thủ Thôn

    Chuyển sang chế độ tìm kiếm rồi scrape vậy :D. có vẻ khả thi.

    upload_2019-12-4_20-19-52.png