位置: 编程技术 - 正文

通过Python爬虫代理IP快速增加博客阅读量(python爬虫代码怎么写)

编辑:rootadmin

推荐整理分享通过Python爬虫代理IP快速增加博客阅读量(python爬虫代码怎么写),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python爬虫代做,利用python进行爬虫,python爬虫简单代码,python的爬虫代码,python的爬虫代码,py爬虫代码,python爬虫程序代码,利用python爬虫,内容如对您有帮助,希望把文章链接给更多的朋友!

写在前面

题目所说的并不是目的,主要是为了更详细的了解网站的反爬机制,如果真的想要提高博客的阅读量,优质的内容必不可少。

了解网站的反爬机制

一般网站从以下几个方面反爬虫:

1. 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。

2. 基于用户行为反爬虫

还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,如推酷登录时,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。

通过Python爬虫代理IP快速增加博客阅读量(python爬虫代码怎么写)

3. 基于动态页面的反爬虫

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。笔者测试过,用urllib抓取拉勾网招聘信息页所需时间为三十多秒,而用模拟浏览器内核抓取需要2——3分钟。

4. 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。

进入正题

好了,现在实际操作一下,编写一个通过代理IP访问网站的爬虫。

首先获取代理IP,用来抓取。

顺带一提,有些网站会通过检查代理IP的真实IP来限制爬虫抓取。这里就要稍微提一下代理IP的知识。

代理IP里的“透明”“匿名”“高匿”分别是指?

透明代理的意思是客户端根本不需要知道有代理服务器的存在,但是它传送的仍然是真实的IP。使用透明IP,就无法绕过通过一定时间内IP访问次数的限制。

普通匿名代理能隐藏客户机的真实IP,但会改变我们的请求信息,服务器端有可能会认为我们使用了代理。不过使用此种代理时,虽然被访问的网站不能知道你的ip地址,但仍然可以知道你在使用代理,这样的IP就会被网站禁止访问。

高匿名代理不改变客户机的请求,这样在服务器看来就像有个真正的客户浏览器在访问它,这时客户的真实IP是隐藏的,网站就不会认为我们使用了代理。

综上所述,爬虫代理IP最好使用“高匿IP”

user_agent_list包含了目前主流浏览器请求的RequestHeaders的user-agent,通过它我们可以模仿各类浏览器的请求。

通过设定随机等待时间来访问网站,可以绕过某些网站对于请求间隔的限制。

标签: python爬虫代码怎么写

本文链接地址:https://www.jiuchutong.com/biancheng/382437.html 转载请保留说明!

上一篇:Python实现并行抓取整站40万条房价数据(可更换抓取城市)(并行 python)

下一篇:你所不知道的Python奇技淫巧13招【实用】(你所不知道的童话动画版免费观看第二季)

  • 手机个人所得税app下载官网
  • 当月出租设备需要发票吗
  • 企业房产税每年交几次
  • 个税三代手续费返还增值税报表怎么填
  • 劳务费发票是个人开还是公司开
  • 用友怎么结转本期损益
  • 关于半年度净资产的公告
  • 机关单位伙食
  • 保安服务费可以开具专票吗
  • 国税通用机打发票有几联
  • 销售不动产增值税税率变化
  • 车辆保险抵扣会计分录
  • 五联折叠票和两联折叠票的区别
  • 无需付款的其他应付款怎么做凭证?
  • 预收账款科目
  • 投入资本回报率是总资产报酬率吗
  • 个体户生产经营费用与家庭生活费用无法划分
  • 购买加油卡怎么入账
  • 使用linux命令
  • 期货交易的会计分录
  • iis搭建php环境
  • 先开票后发货开票时确认收入
  • 代扣代缴个人所得税怎么申报
  • 如何清理电脑浏览器
  • uniapp示例
  • 房产自用改出租房产税如何申报
  • 工会经费税前扣除标准2022
  • 完工产品成本怎么分配
  • 两险征缴工作的意义
  • 购买税盘的服务费全额抵扣怎么操作
  • thinkphpcount查询
  • php验证码扭曲效果怎么做
  • 语义特征的语法学概念
  • 【深度学习】AI一键换天
  • 无偿调出固定资产账面价值为零如何处理
  • 销售返利的会计处理方法
  • 如何利用python进行文本挖掘
  • 企业财务报表有附注吗
  • mybatis拦截器执行顺序
  • 费用发票可以抵扣进项税吗
  • 发票开具内容与实际经营范围不符是否合适呢?
  • 小型公司怎么做账
  • 增值税发票抵扣联的作用
  • 成立业主委员会申请书
  • 下月初可以认证上月的发票么
  • 当月进项发票忘记抵扣
  • 企业缴纳员工社保会计分录
  • 工程款多付了如何追回
  • 科技专项资金的考核指标确需调整
  • 单品毛利润计算方法
  • 出差补助没票怎么做账
  • 社保账务如何做会计分录
  • 发票报销流程和条件
  • 退票费凭证可以用于报销吗?
  • 年化率23%是几分利息
  • 其它流动资产为负数原因
  • 累计折旧怎么算出来
  • 如何申请高新技术企业认定
  • 存货总账根据什么填列
  • unix系统采用什么结构
  • 组策略禁止打开文件对话框输入路径
  • ubuntu安装哪个版本
  • win8怎么设置开机启动项
  • linux 详解
  • winxp/win7/win2003 电脑开机密码设置图文方法
  • win7开机进入桌面黑屏但有鼠标
  • windows自带软件有哪些
  • win7保存桌面不见了怎么办
  • unity小技巧
  • 铁嘴啥意思
  • opengl画矩形函数
  • dos批命令
  • python中类怎么用
  • 类似愤怒小鸟的小游戏
  • 细说javascript
  • jquery设置边框
  • 如何让listview提高效率
  • python中的get方法
  • 江苏省镇江市街道名称
  • 广州哪里有餐饮费发票
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设