在 GCP VM 上使用请求 python 抓取时缺少一些标记 HTML

Question

我正在尝试抓取一个网站，如果我运行我的代码在我自己的本地服务器上，结果符合预期，但如果我部署到 GCP VM，一些 HTML 标签丢失。我已确保本地和 GCP 上的源代码相同。

有趣的是，如果我更改 headers，那么我会得到更多缺失的标签。到目前为止，我发现这些 headers 效果最好：

headers = {
"User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 13_2_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.3 Mobile/15E148 Safari/604.1 Edg/87.0.4280.141",
"Content-Type": "application/x-www-form-urlencoded",
"Connection": "keep-alive"}

缺少标签的问题是由正在发送的 headers 引起的，还是由 GCP VM 中发生的其他事情引起的？

Answer 1

在评论中回顾故障排除：

GCP 本身不会过滤 headers。
根据网站的不同，抓取结果可能会因IP不同而有所不同。
如果您在本地和 GCP 上生成的转储之间遇到任何差异，请确保代码和所有依赖项都相同。

您可以找到有关从 GCP here 抓取的更多信息。

在 GCP VM 上使用请求 python 抓取时缺少一些标记 HTML

Missing some tag HTML while scraping using requests python on GCP VM

python

google-cloud-platform

request-headers

python-requests-html