位置: 编程技术 - 正文

python解决网站的反爬虫策略总结(python web网站)

编辑:rootadmin

推荐整理分享python解决网站的反爬虫策略总结(python web网站),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:网站运行python,python对网页进行操作,python对网页进行操作,python对网页进行操作,python怎么写网站,网站运行python,网站运行python,网站运行python,内容如对您有帮助,希望把文章链接给更多的朋友!

本文详细介绍了网站的反爬虫策略,在这里把我写爬虫以来遇到的各种反爬虫策略和应对的方法总结一下。

从功能上来讲,爬虫一般分为数据采集,处理,储存三个部分。这里我们只讨论数据采集部分。

一般网站从三个方面反爬虫:用户请求的Headers,用户行为,网站目录和数据加载方式。前两种比较容易遇到,大多数网站都从这些角度来反爬虫。第三种一些应用ajax的网站会采用,这样增大了爬取的难度(防止静态爬虫使用ajax技术动态加载页面)。

1、从用户请求的Headers反爬虫是最常见的反爬虫策略。

伪装header。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[评论:往往容易被忽略,通过对请求的抓包分析,确定referer,在程序中模拟访问请求头中添加]。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。[这种防爬,需要有足够多的ip来应对]

(1)、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。可以专门写一个爬虫,爬取网上公开的代理ip,检测后全部保存起来。有了大量代理ip后可以每请求几次更换一个ip,这在requests或者urllib中很容易做到,这样就能很容易的绕过第一种反爬虫。

编写爬虫代理:

python解决网站的反爬虫策略总结(python web网站)

步骤:

1.参数是一个字典{'类型':'代理ip:端口号'}  proxy_support=urllib.request.ProxyHandler({})2.定制、创建一个opener  opener=urllib.request.build_opener(proxy_support)3a.安装opener  urllib.request.install_opener(opener)3b.调用opener  opener.open(url)

用大量代理随机请求目标网站,应对反爬虫

(2)、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。[评论:对于账户做防爬限制,一般难以应对,随机几秒请求也往往可能被封,如果能有多个账户,切换使用,效果更佳]

3、动态页面的反爬虫

上述的几种情况大多都是出现在静态页面,还有一部分网站,我们需要爬取的数据是通过ajax请求得到,或者通过Java生成的。

解决方案:Selenium+PhantomJS

Selenium:自动化web测试解决方案,完全模拟真实的浏览器环境,完全模拟基本上所有的用户操作

PhantomJS :一个没有图形界面的浏览器

获取淘宝妹妹的个人详情地址:

感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!

Python实现批量检测HTTP服务的状态 用Python实现批量测试一组url的可用性(可以包括HTTP状态、响应时间等)并统计出现不可用情况的次数和频率等。类似的,这样的脚本可以判断某个服务

利用Python实现颜色色值转换的小工具 先看看Zeplin的颜色色值显示示例原有处理方式因为我会Python(仅限于终端输入python然后当做计算器算,或者用hex()函数把十进制转换成十六进制),所以

Python中断言Assertion的一些改进方案 PythonAssert为何不尽如人意Python中的断言用起来非常简单,你可以在assert后面跟上任意判断条件,如果断言失败则会抛出异常。assert1+1==2assertisinstance('Hello

标签: python web网站

本文链接地址:https://www.jiuchutong.com/biancheng/383430.html 转载请保留说明!

上一篇:Python控制多进程与多线程并发数总结(python多进程数量限制)

下一篇:Python实现批量检测HTTP服务的状态(python 批量查询)

  • 转让金融商品应交增值税税率
  • 捐赠免税会计分录
  • 个人普通发票多少钱
  • 高企入库补贴要交企业所得税吗
  • 住宿普通发票怎么做账
  • 员工过生日计入什么科目
  • 公司中介费收入如何纳税
  • 对外捐赠计入
  • 工程结算开票金额与付款金额区别
  • 应交税费和税金及附加的区别
  • 收到以前年度的货款分录
  • 外商投资企业采取发包、出租经营
  • 高新技术企业认证都有哪些条件
  • 进口货物的应纳增值税
  • 网银 密码器
  • 聘用劳务人员派遣合法吗
  • 电子缴税付款凭证
  • 转让股权原值的相关资料
  • 无形资产的初始计量和后续计量
  • 企业税收扣除标准
  • 涉税服务机构如何纳入监管平台
  • 申报文件解密失败怎么办?
  • 最新增值税申报实操
  • 对外支付类型
  • 跨年补交企业所得税
  • 家电折旧费法律依据
  • 设备租赁公司成本
  • 预交增值税抵减申报
  • 日常服务app
  • 法人垫付现金的原始凭证
  • 会计中坏账准备的借贷方向
  • win10删除所有内容是什么意思
  • 打开游戏时总是出现需要新应用打开此MS
  • 王者荣耀段位分段
  • 如何设置谷歌浏览器语言为中文
  • vue设置时间格式
  • PHP:pcntl_signal()的用法_PCNTL函数
  • 跨年的材料票可以抵扣吗
  • 蓬莱德尔塔
  • php匿名函数为何不匿名
  • 电子退库款
  • 公司注册认缴的期限一般是多少
  • 免费下载含羞草视频影视站苹果CMSv10高级主题模版破解无授权-OK源码破解
  • python如何编写函数
  • 未达起征点免税额是什么意思
  • 预交的企业所得税如何记账
  • 公司买汽车计入什么费用
  • sql批量替换值
  • 固定资产清理年末余额怎么处理
  • 样品开发计划
  • 财务预算资产负债表如何编制
  • 代开专票上的税额比电子缴款凭证上的税额少怎么调整?
  • 工业企业中制造费用包括哪些内容
  • 折旧与摊销会计分录
  • 企业所得税如何规避
  • 已经确认收入的商品发生销售折让
  • 以前年度少结转成本怎么办
  • 成品油发票如何下载库存
  • 应付账款算费用吗
  • 银行扣结算卡年费合理吗
  • 外贸公司出口退税进项发票没及时开票有影响吗
  • 银行存款日记账与银行对账单之间的核对属于
  • 制造费用会计科目
  • 资产负债表里的应交税费怎么填
  • 购入商品货款尚未支付
  • 流动比率多少合理
  • mysql重置binlog
  • linux文件切片命令
  • win10选择一个选项
  • 如何关闭win10自带杀毒软件
  • windowsxp我的电脑怎么调出来
  • windows7没有声音怎么调
  • windowsxp资源管理器在哪里
  • 电脑英伟达控制面板在哪
  • linux 文件命名
  • 深入理解javascript pdf
  • 手游炫酷
  • 国家税务局级别排名
  • 督查局工作怎么样
  • 国家税务总局公告2022年第9号
  • 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