注意: IP精灵代理仅提供国内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。

您好,请登录 没有账号?

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. 23

    2019-05

    HTTP代理服务器如何使用

    HTTP代理服务器如何使用?HTTP代理服务器的设置方法,对于IE和FireFox设置略有不同。设置前需要先找一些可用的免费代理服务器地址。IE的设置是这样的,打开IE浏览器,选择菜单栏的“工具/Inter

  2. 30

    2019-06

    动态ip代理为你详解这些长得很像的代理模式

    什么是HTTP代理?HTTP团队路径是什么?HTTPS是一个复杂的HTTP数字吗?初次接触这种代理的新程序员不可避免地会感到困惑。这篇文章告诉你这些非常相似的代理是什么?HTTP团队跟踪和HTTPS HTTP隧

  3. 24

    2019-05

    浅谈使用HTTP代理IP的几种授权方式

    很多朋友在使用http代理的时候发现需要绑定IP白名单,认为很是麻烦,经常有朋友跟我说,你看看这家、那家都不用绑定白名单的,拿到IP就能直接使用,多方便啊,你们就不能学一学吗?每当

  4. 18

    2019-04

    IP转换器有什么用?修改IP地址有什么意义?

    IP转换器有什么用?修改IP地址有什么意义?​随着互联网的越来越普及,网民数量越来越多,各大网站的访问数量的就随之增加,特别是很多任务网站或者注册网站,为了防止恶意的注册等,

  5. 18

    2019-05

    为什么不建议分布式爬虫使用免费的代理ip

    IP作用至关重要。IP地址是指互联网协议地址,简单的说就是互联网分配给网络设备的门牌号,为了网络中的计算机能够互相访问,并且知道对方是谁。很多时候当我想要维护自身网络访问平安

  6. 09

    2019-09

    代理ip自动刷网页的浏览量,几十万阅读量不是梦

    代理ip自动刷网页的浏览量,几十万阅读量不是梦。每当看到几十万的阅读量的文章就心生羡慕,为什么别人的文章阅读量如此之高,自己的文章却没什么阅读量,别人这些阅读量这么高是真的吗