收藏 400-998-9776 转2 服务时间 周一至周日 9:00-23:00 注意:本站不提供境外服务
您的位置:首页 >文章内容
常见的反网络爬虫以及突破方法
来源:互联网 作者:admin 时间:2019-01-19 16:41:14

    大家可能不知道,互联网中超过一半的流量是网络爬虫贡献的,若是网站不设置反爬虫机制,可能根本没法运营,于是都设置了各种各样的反爬虫机制,即使如此,网络爬虫还是有办法去突破。今天小编为大家介绍一些常见的反网络爬虫以及突破方法


    1.动态页面限制


    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。


    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。


    经测试,用urllib抓取拉勾网招聘信息30页所需时间为三十多秒,而用模拟浏览器内核抓取需要2--3分钟。


常见的反网络爬虫以及突破方法


    2.用户行为检测


    还有一部分网站是通过检测用户行为,比如针对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,如登录时,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.限制IP访问频率


    有时候存在着一些恶意访问的情况,平台为了阻止这种情况的发生,当某个IP的访问在单位时间内超过一定的次数时,将禁止这个IP继续访问。


    对于这个限制IP访问频率,可以使用代理IP的方法来突破限制。网上有许多代理IP资源,因为免费代理IP基本上没有用,是需要花钱从代理IP商处购买IP使用的,像智连代理这样的代理IP商,IP数量多,价格低,能够顺利的突破平台的IP限制,提高工作效率。


    上文介绍了三种常见的反网络爬虫以及突破方法,通常来说,越是低级的爬虫,越容易被封锁,但是性能好,成本低;越是高级的爬虫,越难被封锁,但是性能低,成本也越高。当成本高到一定程度,我们就可以无需再对爬虫进行封锁。经济学上有个词叫边际效应。付出成本高到一定程度,收益就不是很多了。那么如果对双方资源进行对比,我们就会发现,无条件跟对方死磕,是不划算的。应该有个黄金点,超过这个点,那就让它爬好了。毕竟我们反爬虫不是为了面子,而是为了商业因素。


推荐阅读
  • 23 2018-11
    设置代理服务器不能上网,是哪里出问题了?

    设置代理服务器不能上网,是哪里出问题了?是IP地址有问题呢?还是?如果不知道是什么原因导致的,建议重新安装,首先把之前的设置的都取消掉,跟智连代理去看看怎么设置代理服务器。

  • 16 2019-05
    代理IP防止微信封号

    代理IP防止微信封号,这是很多营销人员选择使用代理IP的原因,其主要目的是更换不同的IP地址,以多用户的身份使用多个账号,就能合理的防封了。虽然代理IP能给我们一道屏障,但是其他方

  • 12 2019-06
    手机游戏卡可以试下IP加速器

    以前手机还不是智能手机时,网速超级慢,别说玩手游,就是打开网页都不快的。现在智能手机出现,wifi,4g的普及,手机游戏的用户不断扩大了。但手机玩游戏,有时候还是会卡的,这怎么办

  • 16 2019-04
    代理IP的作用,数据爬取与IP提取知识

    对于代理IP的使用并不是购买过来就可以随便用了,还需要了解代理IP的作用,数据爬取与IP提取知识,这样可以有针对性的使用,效果加倍。

  • 24 2018-12
    手机电脑ip地址切换工具,智连代理测评

    IP地址切换工具比较多,在网上一搜,都会出现许多免费的IP切换工具,但是点击进去,都是一些IP地址,需要自己进行更换,并不支持自动切换IP,真是头痛,一个一个换,太耗时间了。

  • 30 2019-05
    代理IP可用于哪些项目防封

    如今网络无处不在,代理IP的使用也越来越广了,很多平台都有限制的,为了不被封,还需要代理IP出马,那么代理IP可用于哪些项目防封呢?