注意: IP代理精灵仅提供国内ip网络节点,不提供境外网络节点,不能用于任何非法用途或访问境外封闭网站,不能跨境联网,只能用于合法的国内网络加速。

请登录 注册

首页 > 新闻资讯 > 爬虫行动被限制,可以试试改换ip

爬虫行动被限制,可以试试改换ip

来源:IP代理精灵 作者:admin 时间:2019-05-07 14:29:10

知己知彼百战不殆,对于竞争对手或者目标消费群体的数据收集,我们乐此不疲。在ip代理盛行的今天,爬虫技术已经可以被我们充分发挥,海量收集数据,毫不手软。如果不用代理ip,我们的爬虫行动往往会受到很多限制,以致最终被完全封锁掉。有什么方法能避免呢?往下看你就知道了。

爬虫行动被限制,可以试试改换ip

1.验证码


我们在很多网站会遇到,如果请求量大了之后就会遇到验证码的情况。最让人诟病的12306,其实也是一定程度上的防止非正当请求的产生。


对于验证码,可以通过OCR来识别图片,Github上面有很多大神分享的代码可以用,可以去看看。


2.Headers限制


这应该是最常见的,最基本的反爬虫手段,主要是初步判断你是否是真实的浏览器在操作。


这个一般很好解决,把浏览器中的Headers信息复制上去就OK了。


值得注意的是,很多网站只需要userAgent信息就可以通过,但是有的网站还需要验证一些其他的信息,比如知乎,有一些页面还需要 authorization 的信息。所以需要加哪些Headers,还需要尝试,可能还需要Referer、Accept-encoding等信息。


3.返回伪造的信息


这个真的是程序员何苦为难程序员。反爬虫的工程师也是煞费苦心,一方面是不让真实的数据被大规模爬取,另一方面也给你后期的数据处理增加负担。如果数据伪造的好,可能你真的不容易发现自己爬的是假数据,当然只能依靠你后期去清洗这些数据了。


4.减少返回的信息


最基本的隐藏真实的数据量,只有不断加载才能刷新信息。还有的就更变态,会只给你展示一部分信息,人都看不到,爬虫也无能为力。比如CNKI,你每次搜索能够得到的内容就是非常有限的。这个貌似没有很好的解决办法,但是这么干的网站毕竟是少数,因为这种方式,其实在某种程度上是牺牲了一部分真实用户的体验。


5.动态加载


通过异步加载,一方面是为了反爬虫,一方面也可以给网页浏览带来不同的体验,实现更多的功能。很多动态网站都是通过ajax或者JavaScript来加载请求的网页。


在遇到动态加载的网页的时候就需要去分析ajax请求,一般情况都能直接找到包含我们想要数据的json文件。


如果网站给文件加密,那么可以通过selenium+phantomJS框架,调用浏览器内核,并利用phantomJS执行js来模拟人为操作以及触发页面中的js脚本。理论上selenium是比较全能的爬虫方案,因为这个确实算是真实的用户行为。除非网站的反爬虫严苛到宁愿误杀的地步。


6.IP限制


限制IP也是很多网站反爬虫的初衷,有些人随便写一个循环,就开始暴力爬取 ,确实会给网站服务器带来很大的负担,而这种频繁的访问,显然也不会是真实用户行为,索性果断把你封掉。这种情况,你可以遵守规则,把你爬取的速度变慢,每次爬取停个几秒就行了。


当然,你也可以通过不断换IP的形式来绕过这种限制,网上很多代理IP资源,例如IP代理精灵,爬到一定的量就切换IP。


最新资讯

推荐阅读

  1. 06

    2019-03

    如何提高网站流量?

    网站访问量也成为网站流量,流量是一个网站建设的关键。流量是访问网站的访客数以及访客浏览的网页数量等指标。如果一个网站没有流量的话,是非常失败的,要怎么做推广,才能带来流量

  2. 21

    2020-09

    IP被禁言用换IP软件

    很多用户在使用论坛、贴吧或者微博等平台时,可能一不小心就触犯了规则,导致IP被封,无法继续发帖。这种情况,可以通过换IP的方式来解决。

  3. 17

    2020-07

    手机怎么更换ip地址

    手机怎么更换ip地址?如何更改手机ip呢,通常用户需要手动关闭手机来更改IP地址,这让改IP变得更简单,然而与手动改IP不同的是,IP修改软件还可以更改很多不同城市的IP,这会在IP修改上面

  4. 15

    2021-01

    选择代理ip软件需要注意的几个事项

    选择代理ip软件需要注意的几个事项!网上的代理IP软件有很多,如何选择代理IP软件呢,不妨从以下几个方面考虑。

  5. 08

    2019-05

    网络爬虫不用代理IP加快速度会被封吗

    网络爬虫一定用代理IP吗?网络爬虫不用代理IP加快速度会被封吗?好多人认为网络爬虫必须要加代理IP,没了代理IP将无路可走;也有些人认为代理IP是非需要的。这是为什么呢?不能直接用采

  6. 24

    2019-07

    什么是动态代理IP?

    在区分什么是动态代理IP之前,首先我们要弄清楚,什么是代理IP?就是你在你的浏览器设置选项中(IE/chrome),手动输入你的代理ip地址。然后用浏览器去搜索,比如说访问百度,在百度搜