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 > 网站反爬虫和爬虫的应对方法

网站反爬虫和爬虫的应对方法

来源:互联网 作者:admin 时间:2019-02-22 15:20:42

网站反爬虫比较多,robots限制是最基本的,告诉爬虫们哪些是不可以爬取的。还有其他的限制,比如常见的有IP限制,验证码限制,还有User-Agent检测,JS脚本等等,不同的反爬虫可以起到不同的效果。


网站反爬虫和爬虫的应对方法


1.robots.txt限制


搜索引擎本身就是一个超级大的爬虫,爬虫可以24h不间断的在网上爬取着新的信息,并返回给数据库,但是这些搜索引擎的爬虫都遵守着一个协议:robots.txt


robots.txt协议并不是一个规范,而只是约定俗成的,所以并不能保证网站的隐私。当然在特定情况下,比如说我们爬虫的获取网页的速度,和人类浏览网页是差不多的,这并不会给服务器造成太大的性能损失,在这种情况下,我们是可以不用恪守robots协议的。


2.JS脚本限制


举个例子:如果想爬取某个网站,在请求之前,它会有一个验证页面来验证你是否机器。即会通过js代码生成一大段随机的数字,然后要求浏览器通过js的运算得出这一串数字的和,再返回给服务器。


解决方法:使用PhantomJS


PhantomJS是一个Python包,他可以在没有图形界面的情况下,完全模拟一个”浏览器“,js脚本验证什么的再也不是问题了。


3.User-Agent检测


无论是浏览器还是爬虫程序,在向服务器发起网络请求的时候,都会发过去一个头文件:headers,表明身份。对于爬虫程序来说,最需要注意的字段就是User-Agent,很多网站都会建立user-agent白名单,只有属于正常范围的user-agent才能够正常访问。


解决方法:可以自己设置一下user-agent,或者更好的是,可以从一系列的user-agent里随机挑出一个符合标准的使用。


上文介绍了关于三种网站反爬虫的解决方法,仅供参考,若是在爬取的过程中还是遇到问题,可能是网站还有其他的反爬虫,这在爬取之前是需要进行分析,并找到问题解决的。


如:P限制,可以使用IP代理精灵;验证码限制,可以使用人工打码或者验证码识别...


最新资讯

推荐阅读

  1. 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

  2. 16

    2019-04

    http代理和socks代理的区别

    常在一些软件的设置中可以看到HTTP代理、SOCKS代理等,那你知道它们分别是什么意思吗?这两者之间又有什么区别呢?接下来我们就来看看http代理和socks代理的区别吧。SOCKS其实是一种网络代理

  3. 22

    2019-05

    问答推广的小技巧——用换ip工具

    大家有疑问的时候通常是选择在浏览器上搜索答案,百度问答作为一个大平台,问答的排名是非常靠前的,因此想做网络营销,问答是少不了要做的,那么问答推广怎么做有效果?下面小编为大

  4. 30

    2019-07

    值得推荐的ios一键换ip软件

    说到换IP软件大家应该是很熟悉了的吧?对于网络营销推广人员来说,有几款适合自己的换IP软件是很有必要的,那么接下来小编就来和大家说一说有哪些值得推荐的ios一键换ip软件?对于网络营

  5. 21

    2019-05

    短效和长效代理ip有什么区别

    代理ip分短效和长效,都适合什么人使用?估计代理IP这个词,大家都不少听说吧,但是你知道代理IP的一些知识么?知道怎么用么?知道都有哪些人使用么?说起代理IP的应用其实网上又很多介

  6. 16

    2019-04

    http代理适用于哪些业务?

    经常使用网络的人可能会常常听到这样的一个词:IP代理。那么它真正的作用很多人都是模棱两可的,在这里给大家普及一下在我们大部分人的网络活动中,http是比较常见的网络协议,因而http