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 > Python爬虫如何绕过网站的反爬虫机制?

Python爬虫如何绕过网站的反爬虫机制?

来源:IP精灵 作者:admin 时间:2019-09-25 14:58:28

  Python爬虫如何绕过网站的反爬虫机制?爬取网站的时候经常会遇到网站上都部署了反爬虫机制,当服务器检测到一段时间内同一个IP持续密集的访问网站,则将其判定为爬虫程序,在一段时间内不允许该IP地址访问服务器。

Python爬虫如何绕过网站的反爬虫机制

  这种情况其实可以写个延迟函数,每爬一次随机歇个几秒钟,有效的降低访问密度,从而避开反爬机制。但是弊端是太浪费时间,一天爬几万条数据会感到非常吃力。

  这时就需要更加有效率的爬取数据,所以需要使用动态ip和随机 UA(User-Agent)。说白了就是伪装爬虫,假装不同的人使用不同的浏览器在访问网站。

  使用动态拨号VPS

  除了代理IP以外,还可以使用动态拨号VPS来更换IP,这种方式获得的IP质量更高,而且可以直接在拨号vps上部署业务,更加方便。

  这种方式需要进行一些技术处理,实现IP更换和调用。

  使用动态ip

  使用动态ip 的强大之处在于它在爬虫运行的同时,在线获取动态ip。每次只获取一页,存于数组中,随机使用。当大部分的 IP 失效之后(记录访问失败的次数,当超过一定阈值时,则视为此页动态ip 失效),然后重新获取一页动态ip

  如此,可保证每次使用的都是最新的 IP,而且不需要额外的空间和文件来存放动态ip。

  def get_proxy(page):

  '''

  功能:获取精灵代理网站上的最新代理IP

  参数: page 页数

  返回:存有动态ip 的列表 proxyList

  '''

  # 存放获取到的动态ip 信息 proxyList = [] # 访问精灵代理网站,获取第 page 页的网页信息 headers = { "User-Agent" : "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11" } request = urllib.request.Request("https://www.kuaidaili.com/free/inha/"+str(page), headers=headers) html = urllib.request.urlopen(request).read() # 解析网页信息,从中提取动态ip 的数据 content = etree.HTML(html) ip = content.xpath('//td[@data-title="IP"]/text()') port = content.xpath('//td[@data-title="PORT"]/text()') # 将动态ip 信息存入 proxyList 列表 for i in ip: for p in port: proxyList.append(i+':'+p) return proxyList


最新资讯

推荐阅读

  1. 07

    2019-08

    哪里有爬虫用的优质代理服务器

    IP代理精灵是一家提供高速优质代理服务器的供应商,不仅IP速度快,质量稳定,数量还很多,可覆盖国内90%以上城市地区。可以说使用,业务进行事半功倍,一点都不难。现如今,随着科技发

  2. 02

    2019-10

    代理ip混拨、多拨和单拨的区别

    代理ip混拨、多拨和单拨的区别。代理ip换ip地址有不同的方式,代理ip采用了拨号的方法来更改,较为可靠,每拨一次,就更换一次ip,包括混拨、多拨和单拨。

  3. 08

    2019-10

    代理IP软件哪家的最好?

    代理IP软件哪家的最好?有时候当我们登录某个网站或者论坛时,你会看到这样的提示“抱歉,您的IP地址不在允许范围内”,或者是这样“对不起,您的账号已被禁用,无法访问本站点”。遇到

  4. 23

    2019-10

    使用代理ip访问网站失败的原因

    使用代理ip访问网站失败的原因!在代理ip的应用中,很多网络工作者需要使用到代理IP来辅助完成任务,如比较常见的爬虫工作、营销发帖、网络投票、效果补量等,有是使用第三方工具,有的

  5. 27

    2019-09

    免费的ip代理服务器能用吗?

    免费的ip代理服务器能用吗?代理ip的使用越来越普遍。虽然很多人都比较喜欢贪小便宜,但是涉及到网络技术安全问题的时候,大家还是会显得尤其的小心谨慎,尤其是大家在听说了一些免费的i

  6. 11

    2019-11

    HTTP协议和http代理ip的联系

    HTTP协议和http代理ip的联系!http协议在网络中是一个重要的环节,它影响着浏览器、爬虫、代理服务器还对防火墙、CND、微服务等多方便有着不小的影响。