黑洞HTTP代理

黑洞HTTP

您的位置: 首页 > 新闻资讯 > 国内代理 > 正文

爬虫攻略:网站在哪些地方设置反爬虫

发布时间:2019年02月14日 来源:互联网

    自有网络以来,就一直存在爬虫和反爬虫,越是大网站,越是成熟的网站,其反爬虫机制越完善,最初的IP限制,验证码限制,还有其他的限制,今天小编跟大家一起去了解下网站在哪些地方设置反爬虫,而爬虫又是怎么应对的。


    1.用户行为反爬虫


    有一部分网站是通过检测用户行为,例如同一IP短时间内多次访问同一页面,或者同一账户短时间内多次进行相同操作。


    大多数网站都是前一种情况,对于这种情况,使用IP代理就可以解决。我们可以将代理IP检测之后保存在文件当中,但这种方法并不可取,代理IP失效的可能性很高,因此从专门的代理IP网站实时抓取,是个不错的选择。


    对于第二种情况,可以在每次请求后随机间隔几秒再进行下一次请求。有些有逻辑漏洞的网站,可以通过请求几次,退出登录,重新登录,继续请求来绕过同一账号短时间内不能多次进行相同请求的限制。


    还有针对cookies,通过检查cookies来判断用户是否是有效用户,需要登录的网站常采用这种技术。更深入一点的还有,某些网站的登录会动态更新验证,登录时,会随机分配用于登录验证的authenticity_token,authenticity_token会和用户提交的登录名和密码一起发送回服务器。


爬虫攻略:网站在哪些地方设置反爬虫


    2.通过Headers反爬虫


    从用户请求的Headers反爬虫是最常见的反爬虫策略。很多网站都会对Headers的User-Agent进行检测,还有一部分网站会对Referer进行检测(一些资源网站的防盗链就是检测Referer)。


    如果遇到了这类反爬虫机制,可以直接在爬虫中添加Headers,将浏览器的User-Agent复制到爬虫的Headers中;或者将Referer值修改为目标网站域名。对于检测Headers的反爬虫,在爬虫中修改或者添加Headers就能很好的绕过。


    3.限定某些IP访问


    免费的代理IP可以从很多网站获取到,既然爬虫可以利用这些代理IP进行网站抓取,网站也可以利用这些代理IP反向限制,通过抓取这些IP保存在服务器上来限制利用代理IP进行抓取的爬虫。


    4.动态页面的反爬虫


    有的时候将目标页面抓取下来,发现关键的信息内容空白一片,只有框架代码,这是因为该网站的信息是通过用户Post的XHR动态返回内容信息,解决这种问题的方法就是通过开发者工具(FireBug等)对网站流进行分析,找到单独的内容信息request(如Json),对内容信息进行抓取,获取所需内容。


    更复杂一点的还有对动态请求加密的,参数无法解析,也就无法进行抓取。这种情况下,可以通过Mechanize,selenium RC,调用浏览器内核,就像真实使用浏览器上网那样抓取,可以最大限度的抓取成功,只不过效率上会打些折扣。


    以上介绍了“网站在哪些地方设置反爬虫”,但也不仅仅是以上的几种,还有更多的反爬虫,大家也可以分享出来。


相关文章内容简介

1 爬虫攻略:网站在哪些地方设置反爬虫

    自有网络以来,就一直存在爬虫和反爬虫,越是大网站,越是成熟的网站,其反爬虫机制越完善,最初的IP限制,验证码限制,还有其他的限制,今天小编跟大家一起去了解下网站在哪些地方设置反爬虫,而爬虫又是怎么应对的。    1.用户行为反爬虫    有一部分网站是通过检测用户行为,例如同一IP短时间内多次访问同一页面,或者同一账户短时间内多次进行相同操作。    大多数网站都是前一种情况,对于这种情况,使用IP代理就可以解决。我们可以将代理IP检测之后保存在文件当中,但这种方法并不可取,代理IP失效的可能性很高,因此从专门的代理IP网站实时抓取,是个不错的选择。    对于第二种情况,可以在每次请求后随机间隔几秒再进行下一次请求。有些有逻辑漏洞的网站,可以通过请求几次,退出登录,重新登录,继续请 [阅读全文]

热门标签

最新标签

推荐阅读

  1. 17

    2019-04

    IP代理的原理

    代理类型主要取决于代理服务器端的配置。不同配置会形成不同的代理类型。

  2. 12

    2019-06

    详解HTTP代理IP的几种授权方式

    许多朋友在运用http代理的时分发现需求绑定IP白名单,以为很是费事,经常有朋友跟黑洞http说,你看看这家、那家都不必绑定白名单的,拿到IP就能直接运用,多便利啊,你们就不能学一学吗

  3. 12

    2018-09

    代理IP是什么?,代理IP有什么作用?

    如果你是一名互联网工作者,那么你一定遇到过ip被封禁的问题,作为从事网络推广工作的小编来说,需要在各大平台去发帖,一个不小心ip地址就被屏蔽 ,那么遇到这种情况该如何解决呢?

  4. 23

    2019-08

    http代理动态转发,什么是动态转发代理ip?

    很多用过代理IP的朋友知道,在生成API链接后发现,返回的IP只有一个,端口却有很多个,不知道是什么原因,所以很多人会有疑问 。那么,什么是动态转发代理IP呢?

  5. 17

    2019-04

    Python爬虫和爬虫代理的关系

    随着计算机学习的盛行,Python 日渐变成了「最流行」的一门语言。它逻辑明确、简单易用且含有大批量的扩展包,所以它不单是计算机学习与信息科学的优先选择语言,同时在网站、信息采集

  6. 15

    2019-02

    怎么检测IP地址是否可用?

    大家在使用爬虫进行数据的采集工作之前,首先要找到适合的代理使用,并且要确保这个代理中的IP地址都是可用的,如果其中的IP不可用率高,会严重影响爬取效率。