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 实名验证

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

    2020-03

    为什么要用反向代理服务器?

    为什么要用反向代理服务器?我们大多数人都熟悉一些代理服务器:正向代理、反向代理在访问资源的客户端(用户代理)的上下文中可以看到“转发”和“反向”。资源可以(不限于):通常是网站

  2. 29

    2019-05

    HTTP代理IP的两种代理模式

    市面上现在有很多代理IP的产品,可以解决很多由于IP限制问题的工作。代理IP软件就是通过更换各地IP的方法,来隐藏真实IP,保证工作的正常进行,及用户的个人信息安全。一种是动态代理模

  3. 09

    2019-05

    代理ip有什么功能

    代理IP也就是代理服务器​(Proxy Server),它的主要功能就是安全的保护用户,它主要工作在开放系统互联(OSI)模型的对话层,从而起到防火墙的作用,大多数的代理服务器会被用来连接NTERNET(国际

  4. 01

    2019-07

    哪款代理IP软件可批量验证又可切换IP

    同样的起点,同样的终点,为什么别人比你先到达,并不是别人比你走得快,而是你在走路,别人在开车。同样的代理IP,同样的工作量,为什么别人比你先完成,并不是别人比你更刻苦,而是

  5. 03

    2019-06

    http代理服务器有什么作用

    什么是http代理,www对于每个经常上网的人都再熟悉不过,www连接请求就是采用http协议。代理服务器好比网络信息的中转站,比如我们平时访问网站获取信息,下载数据,都会应用到http代理服务

  6. 20

    2019-05

    如何用代理服务器在国内使用google搜索

    如何用代理服务器在国内使用google搜索?简洁的说,当我们上网时,我们是和服务端建立了连接(利用我们和对方的IP地址),网络信息直接从服务端传递给了我们客户端。但是我国不允许我们