黑洞HTTP

黑洞HTTP

您的位置: 首页 > 新闻资讯 > HTTP代理 > 正文

代理IP可以帮助猫眼电影、美团、去哪儿等网站反击爬虫吗?

发布时间:2019年04月11日 来源:互联网

代理IP可以帮助猫眼电影、美团、去哪儿等网站反击爬虫吗?谈到反爬虫,或许你最先想起的是User-Agent+ Referer检测、验证码、ip访问速度、账号及cookie验证等,这类反爬虫对大家而言根本没有难度可言,完全能利用代理ip加其它的一些措施实现完美的伪装,接近于真实用户浏览的,可是,别以为这样就没有后顾之忧了,一起来看下脑洞大开的前端工程师的反爬虫措施吧。



一、 FONT-FACE拼凑式


范例:猫眼电影


猫眼电影网站,针对票房信息等展示的并非纯粹的数字。


网页采用font-face定义了字符集,并利用unicode去映射呈现。换句话说,去掉图像识别,必须同时抓取字符集,才能分辨出数字。


而且,每次页面刷新,字符集的url都会发生改变的,显然更大强度地提高了爬取成本。


二、BACKGROUND拼凑式


范例:美团


与font的方式差不多,美团里采用的是background拼凑。数字其实是图片,按照不同的background偏移,显示出不一样的字符。


而且不同页面,图片的字符排序都是有差异的。不过理论上只需生成0-9与小数点,为什么有重复字符还没有搞明白。


三、字符穿插式


范例:微信公众号文章


一些微信公众平台的文章里,穿插了各类迷之字符,而且按照样式把这些字符隐藏掉。


这类方式尽管惨绝人寰…但我觉得找不到太大的识别与过滤难度,甚至能够做得更好,不过也算作一种脑洞吧。


四、伪元素隐藏式


范例:汽车之家


汽车之家网站里,将关键的厂商数据,做到了伪元素的content里。


这又是一种策略:爬取网页,一定得解析css,还要拿到伪元素的content,这就提高了爬取的难度。


五、元素定位覆盖式


范例:去哪儿


酷爱数学的去哪儿,针对一个4位数的票价,首先用4个i标签渲染,然后2个b标签去绝对定位偏移量,覆盖有意呈现错误的i标签,最终在视觉上建立正确的价格…


这就表明爬虫能解析css还不够,还要会做数学题。


六、IFRAME异步加载式


范例:网易云音乐


网易云音乐网页一打开,html源码里基本上只有一个iframe,而且它的src是空白的:about:blank。接着js开始运行,把整个页面的框架异步塞到了iframe里面…


不过这一方法造成的难度并不大,仅仅在异步与iframe处理上绕了个弯,不管你是用selenium还是phantom,都有API能够拿到iframe里面的content数据。


七、字符集替换式


范例:去哪儿移动版


一样会欺骗爬虫的还有去哪儿的移动版。


html里明明写的3211,视觉上呈现的却是1233。原来他们重新定义了字符集,3与1的顺序刚好调换得来的结果…


相关文章内容简介

1 代理IP可以帮助猫眼电影、美团、去哪儿等网站反击爬虫吗?

代理IP可以帮助猫眼电影、美团、去哪儿等网站反击爬虫吗?谈到反爬虫,或许你最先想起的是User-Agent+ Referer检测、验证码、ip访问速度、账号及cookie验证等,这类反爬虫对大家而言根本没有难度可言,完全能利用代理ip加其它的一些措施实现完美的伪装,接近于真实用户浏览的,可是,别以为这样就没有后顾之忧了,一起来看下脑洞大开的前端工程师的反爬虫措施吧。一、 FONT-FACE拼凑式范例:猫眼电影猫眼电影网站,针对票房信息等展示的并非纯粹的数字。网页采用font-face定义了字符集,并利用unicode去映射呈现。换句话说,去掉图像识别,必须同时抓取字符集,才能分辨出数字。而且,每次页面刷新,字符集的url都会发生改变的,显然更大强度地提高了爬取成本。二、BACKGROUND拼凑式范例:美团与font的方式差不多,美团里采用的是background拼凑。数字其实是图片,按照不 [阅读全文]

热门标签

最新标签

推荐阅读

  1. 23

    2019-04

    免费代理IP为何不适合于爬虫?

    为什么需要爬虫呢?因为爬虫可以提高我们的工作效率,帮我们收集信息并分类归纳,可谓高效智能。做过爬虫的就知道,代理IP是必不可少的,好的代理IP可以使爬虫工作效率更上一层楼,但

  2. 18

    2019-11

    HTTPS、TLS、SSL、HTTP的区别与关系

    在使用HTTP(s)代理IP的时候,经常会遇到一些错误,比如:schannel: failed to receive handshake, SSL/TLS connection failed。有一些新手朋友不知道SSL/TLS是什么意思,和HTTP与HTTPS有什么关系,今天我们一来看看H

  3. 09

    2019-07

    Python高级技巧:lazy property

    Python 对象的延迟初始化是指,当它第一次被创建时才进行初始化,或者保存第一次创建的结果,然后每次调用的时候直接返回该结果。延迟初始化主要用于提高性能,避免浪费计算,并减

  4. 08

    2019-05

    IP地址和MAC地址有什么区别,以及如何使用它们?

    拼出首字母缩略词来理解:MAC =“媒体访问控制”。

  5. 24

    2019-09

    如何设置代理ip地址?

    网站不能不能访问,并显示“ 代理服务器 没有响应”,请检查Internet的设置是否有问题。为您献上一策:点击电脑左下角的开始–控制面板–Internet选项,在弹出来的框“internet属性”框,点

  6. 11

    2019-06

    如何获得大量爬虫代理IP?

    Python是一门很神奇的语言,python应用最多的场景还是web快速开发、爬虫、自动化运维,对于Python爬虫来说,访问网站抓取信息,常常需要大量的代理IP资源,那么这些代理IP资源如何获得?