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

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. 11

    2019-04

    使用代理IP改IP有什么作用?

    改IP也就是更改设备的IP,可以称为网络代理,是一种特殊的网络服务,允许一个网络终端(一般为客户端)通过这个服务与另一个网络终端(一般为服务器)进行非直接的连接。一般认为代理

  2. 05

    2020-09

    ​手机换IP的方法有哪些

    ​手机换IP的方法有哪些?手机上的IP有点像我们的临时身份证,为什么说是临时的呢?因为它是可以更换的,那么手机换IP需要怎样操作呢?相信小伙伴们都非常想知道,下面IP精灵代理小编就给大

  3. 24

    2019-05

    ip代理怎么选择?有什么需要注意?

    随着大数据的兴起,每个公司都需要收集自己的大数据来进行分析,而一般获取大数据就不可或缺低要谈到ip代理,但是市面上IP代理提供商这么多,我们该如何选择?有什么需要注意?

  4. 28

    2019-04

    网站更换IP和空间会影响seo关键词的排名吗?

    做网络的通常都会讨论一个问题,网站更换服务器IP地址对排名有没有影响?简单的说,其实你只要是不频繁的更换,影响也不会很大的。那么对关键词的排名呢?那么还有一个问题,对关键词

  5. 20

    2020-04

    怎样获取到大量好用的https代理ip资源?

    怎样获取到大量好用的https代理ip资源?互联网的快速发展日新月异,人们对代理IP的需求也与日俱增,以前对代理的需求大都为HTTP代理,而如今,对https代理的需求越来越多,然而,好的https代理

  6. 20

    2019-08

    网络营销用代理IP有什么好处

    代理IP是目前换IP比较方便的软件,解决IP限制,例如爬虫、刷屏等,还可以隐藏真实IP。很多新作网络营销的人员对其不太了解,那么,网络营销用代理IP有什么好处?1.解决IP限制。例如在发帖