IP代理软件,http代理,API提取-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. 12

    2019-11

    代理IP为何出现访问失败?

    代理ip出现问题,很影响我们的生活工作,很多朋友比较心急,一旦使用不了就认定是这家 IP代理 公司的 代理IP 有问题,于是换一家继续使用,结果依然如此。遇到这种问题,不能心急,要找

  2. 22

    2019-08

    爬虫和python的ip代理服务器

    c#爬虫和python要用什么ip代理服务器我用c#,java都写过爬虫。区别不大,原理就是利用好正则表达式。只不过是平台问题。后来了解到很多爬虫都是用python写的。因为目前对python并不熟,所以也不

  3. 28

    2019-06

    如何使用http代理ip解决医疗大数据问题

    为什么要用分布式爬虫,大致的说,就是当你需要采集大量数据时,因为任务太多,一台机器搞不定了,这时候需要多台机器共同协作完成,最后将所有机器完成的任务汇总在一起,直到任务结

  4. 13

    2019-11

    如何验证代理IP是否可用?

    首先说说思路:将抓到的IP和端口从MySQL数据表中取出来,然后通过PHP中curl函数设置代理,再访问百度或者其他能访问到的网站,通过返回的状态码是否等于200来判断代理IP是不是可以正常使用

  5. 10

    2019-04

    java实现动态切换上网IP

    动态切换IP的实现主是也由Windows的rasdial命令提供的,其实不是java的功劳,java只是调用一下bat脚本而已:

  6. 31

    2019-05

    免费服务器代理可以做爬虫工作吗

    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,免费代理服务器是必不可少的,好的免费代理服务器可以使爬虫工作效率更上一层楼,但也