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)

  • 新领的发票怎么分发
  • 工资个人所得税标准表
  • 过了汇算清缴期后发现错误
  • 应付票据是资产吗
  • 开普票要个人身份证号吗
  • 个人所得税差额20%政策
  • 牛奶 税率
  • 资产负债表中其他流动资产包括哪些科目
  • 月初结存材料成本差异
  • 分公司与总公司承担责任的法律规定
  • 季度交的企业所得税怎么做账
  • 软件企业会计分录
  • 软件即征即退怎么算
  • 货物抵扣如何入账
  • 公司按照实际利润额预缴企业所得税,这个实际利润额就是会计利润吗?
  • 所得税季报填写说明
  • 建筑企业结转成本依据准则
  • 公司采购商品支付货款未开票会计分录
  • 保证金计入哪个会计科目
  • 资产收购的特殊性税务处理方法
  • 库存的物资
  • 汇算清缴时研发费用加计扣除怎么做账
  • 赠品如何做兑换码
  • PHP:mb_ereg_search_getregs()的用法_mbstring函数
  • macbookprofacetime
  • 个人所得税计提缴纳会计分录
  • macbook怎么安装macos
  • php数组函数 菜鸟
  • 代理出口退税款退到哪
  • 物资销售经营范围
  • 教案的近义词是什么
  • 债券转换是什么意思
  • 在数组指定位置添加数据
  • 如何判断自己风寒还是风热
  • 采购折让分录
  • chrome 浏览器插件开发
  • 微信小程序小小驯龙师破解版
  • 未开票金额怎么报税
  • 帝国cms使用手册
  • 帝国cms视频教程
  • 车补贴是要缴纳增值税吗
  • 分公司可以独立签约吗
  • 小规模收入账务
  • sql怎么用sql语句创建表
  • 车辆购置税相关法律规定
  • 非税收入票据存根的保存期限一般为多少年
  • 什么人可以申请免税
  • 法人向公司借款如何做账
  • 出口退税率为0的账务处理
  • 预计负债计提时调减还是调增
  • 已抵扣未申报的税额如何转出
  • 出售资产时递延所得税转回是全部收入吗
  • 快递公司的会计都需要做什么
  • 我国税收税类中的流转税
  • 扣税时账上没钱怎么办
  • 契税发票错了能作废吗
  • 其它应付款核销法律意见书
  • 对公账户是不是哪个银行都可以
  • 新会计准则会计科目明细表
  • 案例分析以前年龄的变化
  • 企业所得税里的利润总额按什么填写
  • 质量有问题不给退怎么办
  • 汽车费用包括哪些会计科目呢
  • mysql随机选择
  • sql教程
  • 详谈是什么意思
  • mysql 5.7.17 winx64免安装版配置方法图文教程
  • 在windows 7中任务栏儿
  • VMware虚拟机中不支持虚拟化
  • win7开机后一段时间卡死
  • win7系统打开excel文件很慢或未响应
  • Ubuntu14.04 GLUT的安装
  • xcopy 批处理
  • jquery插件使用教程
  • django admin form
  • jquery如何做登录
  • python res.
  • 安卓activity类
  • 北京地税局报税时间
  • 一般纳税人企业是什么意思
  • 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