为什么我的抓取 NSE 网站的程序在服务器中被阻止但在本地工作？

Question

此 python 代码在本地计算机上运行，​​但未在

1. 数字海洋
2. 亚马逊AWS
3. 谷歌协作
4. 赫鲁库

和许多其他 VPS。它显示不同的错误不同的时间。

import requests

headers = {
    'authority': 'beta.nseindia.com',
    'cache-control': 'max-age=0',
    'dnt': '1',
    'upgrade-insecure-requests': '1',
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.117 Safari/537.36',
    'sec-fetch-user': '?1',
    'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
    'sec-fetch-site': 'none',
    'sec-fetch-mode': 'navigate',
    'accept-encoding': 'gzip, deflate, br',
    'accept-language': 'en-US,en;q=0.9,hi;q=0.8',
}

params = (
    ('symbol', 'BANKNIFTY'),
)

response = requests.get('https://beta.nseindia.com/api/quote-derivative', headers=headers, params=params)

#NB. Original query string below. It seems impossible to parse and
#reproduce query strings 100% accurately so the one below is given
#in case the reproduced version is not "correct".
# response = requests.get('https://beta.nseindia.com/api/quote-derivative?symbol=BANKNIFTY', headers=headers)

上面这段代码有什么错误吗？我缺少什么？我在隐身模式下从 Chrome 开发者工具>网络复制标题数据，使用https://curl.trillworks.com/站点从 curl 命令生成 python 代码。

但是 curl 命令工作正常并提供良好的输出 -

curl "https://beta.nseindia.com/api/quote-derivative?symbol=BANKNIFTY" -H "authority: beta.nseindia.com" -H "cache-control: max-age=0" -H "dnt: 1" -H "upgrade-insecure-requests: 1" -H "user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.117 Safari/537.36" -H "sec-fetch-user: ?1" -H "accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9" -H "sec-fetch-site: none" -H "sec-fetch-mode: navigate" -H "accept-encoding: gzip, deflate, br" -H "accept-language: en-US,en;q=0.9,hi;q=0.8"  --compressed

curl 命令如何工作，但从 curl 命令生成的 python 却没有？

Answer 1

有两件事需要注意。

1. 请求标头需要具有“主机”和“用户代理”

__request_headers = {
        'Host':'www.nseindia.com', 
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:82.0) Gecko/20100101 Firefox/82.0',
        'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 
        'Accept-Language':'en-US,en;q=0.5', 
        'Accept-Encoding':'gzip, deflate, br',
        'DNT':'1', 
        'Connection':'keep-alive', 
        'Upgrade-Insecure-Requests':'1',
        'Pragma':'no-cache',
        'Cache-Control':'no-cache',    
    }

2. 以下cookie是动态设置的，需要动态获取和设置。

'nsit',
'nseappid',
'ak_bmsc'

这些是根据正在使用的功能从 nse 设置的。这个例子：最大赢家/输家。我试图获取最大赢家和输家列表，其中请求在没有这些 cookie 的情况下被阻止。

try:
            nse_url = 'https://www.nseindia.com/market-data/top-gainers-loosers'
            url = 'https://www.nseindia.com/api/live-analysis-variations?index=gainers'
            resp = requests.get(url=nse_url, headers=__request_headers)
            if resp.ok:
                req_cookies = dict(nsit=resp.cookies['nsit'], nseappid=resp.cookies['nseappid'], ak_bmsc=resp.cookies['ak_bmsc'])
                tresp = requests.get(url=url, headers=__request_headers, cookies=req_cookies)
                result = tresp.json()
                res_data = result["NIFTY"]["data"] if "NIFTY" in result and "data" in result["NIFTY"] else []
                if res_data != None and len(res_data) > 0:
                    __top_list = res_data
        except OSError as err:
            logger.error('Unable to fetch data')

另一件需要注意的事情是，NSE 会阻止来自大多数云虚拟机（如 AWS、GCP）的这些请求。我可以从个人 Windows 机器获取它，但不能从 AWS 或 GCP 获取。

Answer 2

使用此处记录的 nsefetch() 函数https://unofficed.com/nse-python/documentation/nsefetch/

如果你想要python-requests方法

from nsepython import *
payload= nsefetch('https://www.nseindia.com/live_market/dynaContent/live_watch/option_chain/optionKeys.jsp?segmentLink=17&instrument=OPTIDX&symbol=BANKNIFTY')
print(payload)

这适用于所有台式机和笔记本电脑。

如果你想要curl方法

from nsepythonserver import *
payload= nsefetch('https://www.nseindia.com/live_market/dynaContent/live_watch/option_chain/optionKeys.jsp?segmentLink=17&instrument=OPTIDX&symbol=BANKNIFTY')
print(payload)

这适用于所有服务器。就像Linux服务器一样。