python爬蟲--爬蟲與反爬

来源:https://www.cnblogs.com/tangjian219/archive/2019/12/18/12063361.html
-Advertisement-
Play Games

爬蟲與反爬 爬蟲:自動獲取網站數據的程式,關鍵是批量的獲取。 反爬蟲:使用技術手段防止爬蟲程式的方法 誤傷:反爬技術將普通用戶識別為爬蟲,從而限制其訪問,如果誤傷過高,反爬效果再好也不能使用(例如封ip,只會限制ip在某段時間內不能訪問) 成本:反爬蟲需要的人力和機器成本 攔截:成功攔截爬蟲,一般攔 ...


爬蟲與反爬

爬蟲:自動獲取網站數據的程式,關鍵是批量的獲取。

反爬蟲:使用技術手段防止爬蟲程式的方法

誤傷:反爬技術將普通用戶識別為爬蟲,從而限制其訪問,如果誤傷過高,反爬效果再好也不能使用(例如封ip,只會限制ip在某段時間內不能訪問)

成本:反爬蟲需要的人力和機器成本

攔截:成功攔截爬蟲,一般攔截率越高,誤傷率越高

反爬蟲1

爬蟲:對網站的數據感興趣,著手分析網路請求,用Scrapy寫爬蟲爬取網站數據
網站:後臺監控發現請求中的User-Agent都是python,直接限制訪問(不能封ip)

反爬蟲2

爬蟲:通過在請求頭中傳遞User-Agent參數模擬瀏覽器請求,可以用UA池
網站:後臺監控發現同一ip在某時間段內請求過於頻繁,直接限制訪問(不能封ip)

反爬蟲3

爬蟲:在原來的基礎上,再通過ip代理向網站發起請求,可以用代理池
網站:後臺監控發現ip發生變化,但某一時間段內的請求量過大,對伺服器造成過大壓力,網站中某些數據直接要求登錄才能訪問

反爬蟲4

爬蟲:註冊賬號,每次請求攜帶cookie或者token值
網站:健全賬號體系,用戶只能訪問好友信息,非好友信息不能訪問,或只能訪問部分信息

反爬蟲5

爬蟲:註冊多個賬號,多個賬號聯合爬取,設置程式,每個賬號每天固定添加好友,但是養號是個相對耗時的過程
網站:後臺監控發現請求過於頻繁,為避免伺服器壓力過大,進一步加劇ip訪問頻率限制

反爬蟲6

爬蟲:模擬人去請求,限制請求速度,讓代碼睡幾秒
網站:後臺監控到ip訪問時間段過長,例如一天24小時都在有規律地請求,彈出驗證碼

反爬蟲7

爬蟲:通過各種手段識別驗證碼(建議使用打碼平臺,充錢,自己去研究識別驗證碼太費時,時效性也太差)
網站:增加動態網站,數據通過js動態載入,增加網路分析複雜度,或者發現大量請求時只請求html,而不請求image和css以及js,亦或者直接返回假數據給爬蟲

反爬蟲8

爬蟲:通過正常請求去爬取數據,但有些數據看不到,數據是動態載入的,考慮發了ajax請求
網站:不在前端正常顯示

反爬蟲9

爬蟲:通過一些反爬手段去爬取數據,但得到的不是正常的數據,網站應該是做了某種手段的加密
網站:把內容進行加密

反爬蟲10

爬蟲:通過selenium和phantomjs(無界面瀏覽器)完全模擬瀏覽器操作,例如滑動驗證等
網站:......


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 微信公眾平臺後臺配置自定義菜單 一、首先進入微信公眾平臺, 訪問地址 https://mp.weixin.qq.com/ 二、用註冊的微信公眾號的賬號和密碼登錄,左側的功能選項中進入自定義菜單頁面 三、在自定義菜單頁面 點擊紅框的 + 號 就可以增加新的菜單 四、對新加的菜單可以根據自己的需要進行設 ...
  • 一款PHP+jQuery實現的中國地圖熱點數據統計展示實例,當滑鼠滑動到地圖指定省份區域,在彈出的提示框中顯示對應省份的數據信息。 ...
  • python中複數實現( 2) 0.5和開根號sqrt( 2)的區別 ( 2) 0.5和sqrt( 2)是不同的,前者是複數後者是會報錯的。 Python用迴圈構造的函數數組,運行這個數組裡面的函數後返回值都一樣 上面程式的輸出是: 為什麼明明f(x)返回的是x+i,而i是從0到4變化的。按道理執行 ...
  • 一般而言,函數後面只有一個括弧。如果看見括弧後還有一個括弧,說明第一個函數返回了一個函數,如果後面還有括弧,說明前面那個也返回了一個函數。以此類推。 比如fun()() PS:遇到問題沒人解答?需要Python學習資料?可以加點擊下方鏈接自行獲取 note.youdao.com/noteshare? ...
  • 1. json文件處理 1.1 什麼是json JSON(JavaScript Object Notation,JS對象簡譜)是一種輕量級的數據交換格式。它基於ECMAScript(歐洲電腦協會制定的js規範)的一個子集,採用完全獨立於編程語言的文本格式來存儲和表示數據。簡潔和清晰的層次結構使得J ...
  • 1.26個字母大小寫成對列印,例如:Aa,Bb...... 2.一個list包含10個數字,然後生成一個新的list,要求新的list裡面的數都比之前的數多1 3.倒序取出每個單詞的第一個字母,例如:I am a good boy! 方法1 方法2 4.輸入一個自己的生日月份,用if和else判斷一 ...
  • 這次來學習一下SpringMVC的源碼. 對於常見的項目架構模式,比如大名鼎鼎的SSM(SpringMVC,Spring,Mybatis)框架. SpringMVC ->web層(Controller層) Spring ->service層 mybatis ->dao層 從SpringMVC層面上講 ...
  • 語法 傳值與傳引用 Python參數傳遞採用的是“傳對象引用”的方式。這種方式相當於傳值和傳引用的一種綜合。 如果函數收到的是一個可變對象(比如字典或者列表)的引用,就能修改對象的原始值--相當於通過“傳引用”來傳遞對象。 如果函數收到的是一個不可變對象(比如數字、字元或者元組)的引用,就不能直接修 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...