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 > IP代理精灵分享网站反爬虫机制的一般方式

IP代理精灵分享网站反爬虫机制的一般方式

来源:IP代理精灵 作者:admin 时间:2019-05-14 14:35:57

IP代理精灵分享网站反爬虫机制的一般方式,在大数据资源整合的过程中,有爬虫和反爬虫。网站越大,网站越成熟,反爬行动机制越完善,初始IP限制,验证码限制和其他限制。今天我们一起来看看网站上反爬的设置,以及反应方式。

IP代理精灵分享网站反爬虫机制的一般方式

1、动态页面的反爬虫有的时候将目标页面抓取下来,发现关键的信息内容空白一片,只有框架代码,这是因为该网站的信息是通过用户Post的XHR动态返回内容信息,解决这种问题的方法就是通过开发者工具(FireBug等)对网站流进行分析,找到单独的内容信息request(如Json),对内容信息进行抓取,获取所需内容。


2、用户行为反爬虫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。 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。我们可以将代理IP检测之后保存在文件当中,但这种方法并不可取,代理IP失效的可能性很高,因此从专门的代理IP网站实时抓取,是个不错的选择。 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。 还有针对cookies,通过检查cookies来判断用户是否是有效用户,需要登录的网站常采用这种技术。更深入一点的还有,某些网站的登录会动态更新验证,登录时,会随机分配用于登录验证的authenticity_token,authenticity_token会和用户提交的登录名和密码一起发送回服务器。


3、限定某些IP访问免费的代理IP可以从很多网站获取到,既然爬虫可以利用这些代理IP进行网站抓取,网站也可以利用这些代理IP反向限制,通过抓取这些IP保存在服务器上来限制利用代理IP进行抓取的爬虫。针对IP限制,一般建议使用付费的代理IP服务,比如质量较高的云立方动态IP拨号VPS。


4、通过Headers反爬虫从用户请求的Headers反爬虫是最常见的反爬虫策略。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。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。


更复杂一点的还有对动态请求加密的,参数无法解析,也就无法进行抓取。这种情况下,可以通过Mechanize,selenium RC,调用浏览器内核,就像真实使用浏览器上网那样抓取,可以最大限度的抓取成功,只不过效率上会打些折扣。


最新资讯

推荐阅读

  1. 05

    2019-09

    如何选择适合自己的ip代理软件

    如何选择适合自己的ip代理软件。现在市面上很多IP代理软件,那是不是所有的IP代理软件都适用呢,其实我们在选择IP代理软件时也要根据自己在的需求,选择适合自己需求的IP代理软件。

  2. 09

    2019-05

    代理IP无法使用是什么原因

    爬虫的应用随着代理IP的普及而越来越基础。但这并不意味着爬虫是个简单的工作,很多人在爬虫的被爬和反爬的战争中摸爬滚打,找到合适的工具非常重要。而代理IP就是很好的工具,通常使

  3. 13

    2019-05

    爬虫获取动态ip代理的五种解决方案

    毫无疑问,一个IP做不来网络爬虫工作,都没有大批量的IP支撑,网络爬虫工作人员积重难返。那么,网络爬虫IP哪儿来呢?这难不倒爬虫工程师们,许多人有多种解决方法,让大家一起来看看爬

  4. 16

    2019-09

    IP代理如何帮助新媒体更快吸粉

    P代理如何帮助新媒体更快吸粉。流量时代,在互联网营销行业当中,伴随着小米一炮走红之后,“粉丝经济”如同武林秘籍公布天下之,人们争相开始研究如何吸引粉丝,怎运营粉丝,然后主

  5. 24

    2019-01

    IP资源短缺,代理IP的几千万IP资源哪里来的?

    IPv4能提供40亿的IP地址,但也不够用,很多人都不至一个联网设备,所以需要人都是使用动态IP,并没有静态IP使用。在这个IP资源短缺的时代,代理IP的几千万IP资源哪里来的?

  6. 19

    2018-12

    几种爬虫框架效果分析,python最好爬虫框架是哪一种?

    爬虫可以用不同的语言编写,而且爬虫框架也多,比如python,简单易学,也是有不同的爬虫框架,python最好爬虫框架是哪一种呢?这些爬虫框架都有什么优缺点?