亚洲中字慕日产2020,大陆极品少妇内射AAAAAA,无码av大香线蕉伊人久久,久久精品国产亚洲av麻豆网站

資訊專欄INFORMATION COLUMN

Python 從零開始爬蟲(一)——爬蟲偽裝&反“反爬”

int64 / 1936人閱讀

摘要：總的來說有兩種反爬策略，要么驗證身份，把蟲子踩死在門口要么在網(wǎng)站植入各種反爬機制，讓爬蟲知難而退。本節(jié)內(nèi)容就著這兩種反爬策略提出一些對策。內(nèi)嵌反爬很靈活，沒有什么固定的代碼格式，要花時間去分析出來。

??之前提到過，有些網(wǎng)站是防爬蟲的。其實事實是，凡是有一定規(guī)模的網(wǎng)站，大公司的網(wǎng)站，或是盈利性質(zhì)比較強的網(wǎng)站，都是有高級的防爬措施的。總的來說有兩種反爬策略，要么驗證身份，把蟲子踩死在門口；要么在網(wǎng)站植入各種反爬機制，讓爬蟲知難而退。
??本節(jié)內(nèi)容就著這兩種反爬策略提出一些對策。

身份偽裝

??就算是一些不知名的小網(wǎng)站，多多少少還會檢查一下headers驗證一下訪者的身份，大網(wǎng)站就更不用說了（我一次爬網(wǎng)易云的時候，忘記加headers，直接被紅掉）
??所以，為了讓蟲寶們帶著信息凱旋歸來，我們要教會爬蟲們?nèi)绾?strong>偽裝；有時光偽裝也不行，我們還要教爬蟲具體"如何做人"，讓自己的舉止更像普通人而不是比單身漢手速還快的未知生物。

自定制 Requests Headers

“吾是人！”——修改user-agent：里面儲存的是系統(tǒng)和瀏覽器的型號版本，通過修改它來假裝自己是人。

“我從河北省來”——修改referer：告訴服務(wù)器你是通過哪個網(wǎng)址點進來的而不是憑空出現(xiàn)的，有些網(wǎng)站會檢查。

“餅干！”：——帶上cookie，有時帶不帶餅干得到的結(jié)果是不同的，試著帶餅干去“賄賂”服務(wù)器讓她給你完整的信息。

詳細數(shù)據(jù)可以F12捉個包來查看其Requests Headers

headers = {"Referer":"https://accounts.pixiv.net/loginlang=zh&source=pc&view_type=page&ref=wwwtop_accounts_index",#如某些網(wǎng)站（如p站）要檢查referer，就給他加上
           "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.146 Safari/537.36"#每個爬蟲必備的偽裝
          }
r = requests.get("https://segmentfault.com/a/1190000014383966",headers=headers)

headers數(shù)據(jù)通常用這兩個即可，而且筆者強烈推薦在爬蟲中為每個request都配個user-agent，總比什么都沒有好，加了也不會報錯。

降低主IP訪問頻率

注意：這是針對長期的，大范圍的爬蟲的

有些網(wǎng)站會監(jiān)視某個ip的訪問頻率和次數(shù)，一但超過某個閾值，就把你當(dāng)作爬蟲嫌犯趕出去了，這時就要想辦法降低自己的存在感了。

Zzzzz——休眠：爬一段時間后休息一會，不僅是為了自己的成功，也是為服務(wù)器著想。

我不去，我派別人去——ip代理：通過proxies參數(shù)來使用，前提是你要有ip，好的ip代理是要花錢的。

time.sleep(60)#用python自帶time模塊的休眠功能
proxies = {"http": "http://10.10.1.10:3128",#“協(xié)議類型：完整ip地址+端號”
           "https": "http://10.10.1.10:1080"}#代理ip字典，隨機調(diào)用
r = requests.get(url,headers=headers,proxies=proxies)
反 反爬（簡析）

在系列第零篇中我提到獲取網(wǎng)頁源碼是有坑的，沒錯，有些時候headers偽裝什么的都做足了，可你還是不能如愿以償?shù)墨@得正確的網(wǎng)頁源碼，要么缺，要么給你一堆毫不相關(guān)的東西，要么干脆讓你紅掉。
這說明要點不是偽不偽裝的問題了，而是如何去解讀網(wǎng)頁的防爬機制從而推出解決方法，這就要求比較高的觀察和分析能力了。

就我目前遇到的主要有：

隨機校驗碼：網(wǎng)頁生成隨機碼，并要求你將其提交才接受你的請求（多用在登錄驗證中）?！@種校驗碼通常藏在網(wǎng)頁源碼中，先取再交是策略。

無序網(wǎng)址：網(wǎng)址后跟著一大串看不出規(guī)律的東西。——跟這種東西是沒話說的，直接上selenium。

加密/雜亂的源碼：你知道你要的東西就在那里，但是不知道怎樣提取出來。——推理解謎，看腦子好不好使了。

動態(tài)加載：需要和頁面交互才能獲取更多信息，但是爬蟲沒法和它交互啊?！苯由?strong>selenium/手動捉包分析出目標鏈接

ajax技術(shù)：異步加載，網(wǎng)頁內(nèi)容分次加載，用爬蟲只能得到第一次發(fā)出的html，導(dǎo)致信息不全?！?strong>selenium/手動捉包分析出目標連接

補充：
selenium模塊，模擬瀏覽器，強是強但是缺點是慢。
其實動態(tài)加載是為了方便用戶點哪看哪的，但這也加大了爬蟲的難度，因為很多信息因此被隱藏了起來。

最后

偽裝有套路，代碼直接套，多加headers總沒錯。

內(nèi)嵌反爬很靈活，沒有什么固定的代碼格式，要花時間去分析出來。

本文新出現(xiàn)的方法/模塊，后面會有實例，不要方。

下一篇正式進入網(wǎng)頁解析主題，之后就可以開始寫小爬蟲了?(＾?＾●)?。

文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址：http://www.ezyhdfw.cn/yun/41540.html

相關(guān)文章

  • 極簡爬蟲攻防戰(zhàn)紀要

    摘要：極簡爬蟲攻防戰(zhàn)紀要爬蟲是構(gòu)建搜索引擎的基礎(chǔ)負責(zé)抓取網(wǎng)頁信息并對網(wǎng)頁識別分類及過濾。爬蟲方終于鎖定了第一場戰(zhàn)役的勝局由于斷崖式技術(shù)的出現(xiàn)，反爬方在瀏覽器識別戰(zhàn)役上望風(fēng)披靡。經(jīng)過反爬方的精心運作，逐漸有效削弱了敵方的攻勢。 極簡爬蟲攻防戰(zhàn)紀要 ? ??爬蟲是構(gòu)建搜索引擎的基礎(chǔ), 負責(zé)抓取網(wǎng)頁信息并對網(wǎng)頁識別、分類及過濾。我們熟識的電商、搜索、新聞及各大門戶網(wǎng)站都有強大的爬蟲集群在每...

    elliott_hu 評論0 收藏0

  • 如何快速掌握Python數(shù)據(jù)采集與網(wǎng)絡(luò)爬蟲技術(shù)

    摘要：通過本文的學(xué)習(xí)，可以快速掌握網(wǎng)絡(luò)爬蟲基礎(chǔ)，結(jié)合實戰(zhàn)練習(xí)，寫出一些簡單的爬蟲項目。從技術(shù)手段來說，網(wǎng)絡(luò)爬蟲有多種實現(xiàn)方案，如。二網(wǎng)絡(luò)爬蟲技術(shù)基礎(chǔ)在本次課中，將使用技術(shù)手段進行項目的編寫。 摘要：本文詳細講解了python網(wǎng)絡(luò)爬蟲，并介紹抓包分析等技術(shù)，實戰(zhàn)訓(xùn)練三個網(wǎng)絡(luò)爬蟲案例，并簡單補充了常見的反爬策略與反爬攻克手段。通過本文的學(xué)習(xí)，可以快速掌握網(wǎng)絡(luò)爬蟲基礎(chǔ)，結(jié)合實戰(zhàn)練習(xí)，寫出一些簡單的...

    W4n9Hu1 評論0 收藏0

  • 爬蟲攻防實踐

    摘要：之前在學(xué)校曾經(jīng)用過的方法做過一些爬蟲腳本來玩，從正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐。爬蟲腳本通常會很頻繁的進行網(wǎng)絡(luò)請求，比如要爬取豆瓣排行榜的電影，就會連續(xù)發(fā)送個網(wǎng)絡(luò)請求。 之前在學(xué)校曾經(jīng)用過request+xpath的方法做過一些爬蟲腳本來玩，從ios正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐...

    wanglu1209 評論0 收藏0

  • 爬蟲攻防實踐

    摘要：之前在學(xué)校曾經(jīng)用過的方法做過一些爬蟲腳本來玩，從正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐。爬蟲腳本通常會很頻繁的進行網(wǎng)絡(luò)請求，比如要爬取豆瓣排行榜的電影，就會連續(xù)發(fā)送個網(wǎng)絡(luò)請求。 之前在學(xué)校曾經(jīng)用過request+xpath的方法做過一些爬蟲腳本來玩，從ios正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐...

    xiangzhihong 評論0 收藏0

  • Python 從零開始爬蟲(零)——爬蟲思路&requests模塊使用

    摘要：定制篩選器，對內(nèi)容進行篩選重點。審查元素這是瀏覽器自帶的工具，提供抓包和檢查網(wǎng)頁源碼的功能，供使用者分析網(wǎng)頁。超時設(shè)置，如果服務(wù)器在指定秒數(shù)內(nèi)沒有應(yīng)答，拋出異常，用于避免無響應(yīng)連接，整形或浮點數(shù)。返回連接狀態(tài)，正常。 前言 python 3.6 ??！ 本爬蟲系列是面對有Python語法基礎(chǔ)的讀者寫的，如果你沒學(xué)過python，emmmm.....也沒關(guān)系，你或許能從每篇文章中學(xué)到一些...

    YanceyOfficial 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<