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
盘点一些常见的网站反爬虫措施
来源:极客猴 作者:admin 时间:2018-12-18 15:00:35

现在不管是哪个行业,做项目之前都会想着收集有些数据来参考一下,特别是来自同行的数据,但目标网站并不想给你采集,因为这不仅会影响服务器,还带来了竞争,因此大部分的网站都有设置反爬虫机制,今天智连代理为大家盘点一些常见的网站反爬虫措施


一、乱码符号


汽车之家论坛的反爬虫机制就比较高级。它利用前端页面自定义字体的方式来实现反爬的技术手段。具体使用到是CSS3中的自定义字体(@font-face)模块,自定义字体主要是实现将自定义的Web字体嵌入到指定网页中去。这就导致我们去爬取论坛帖子的口碑时,获取到的返回文本中每隔几个字就出现一个乱码符号。


每次访问论坛页面,其中字体是不变的,但字符编码是变化的。因此,我们需要根据每次访问动态解析字体文件。


具体可以先访问需要爬取的页面,获取字体文件的动态访问地址并下载字体,读取js渲染后的文本内容,替换其中的自定义字体编码为实际文本编码,就可复原网页为页面所见内容了。


盘点一些常见的网站反爬虫措施


二、登陆验证+IP限制


拉勾网站刚出来的时候,反爬虫机制还没有现在这么严格。估计爬取网站的人多了起来,网站管理员为了保护服务器增加一些手段。该网站的反爬虫机制大概是这样子。


1、在没有登录的情况下,程序只能连续访问3个Url。如果再继续访问,网站会将链接重定向,然后提示我们登录。


2、如果在登录情况下,连续请求部分url之后,我们的IP会被封。


针对这样的爬虫机制,我们只能使用IP代理池来突破。


三、cookie+IP限制


几乎所有的爬虫新手都会爬取豆瓣练练手。但是豆瓣还是保持开放的态度,反爬虫机制做得还是很人性化。它的反爬虫机制大概如下:


1、在没有携带cookie的情况下,如果某个IP短时间高并发请求网站,该IP会立马被封。当IP被封,登录豆瓣网站会解封。


2、在携带cookie的情况下,某个IP请求网站过于频繁。豆瓣的反爬虫机制变为只封cookie不封IP。也就说退出登录或者换个账号还能继续访问网站。


面对这么体谅新手的网站,我们要下手不能那么猛。我们只要在代码中登录账号,同时降低并发数,再随机延迟等待一段时间。我们的爬虫程序就不会被封杀了。


四、Referer字段


妹子图这个网站的反爬虫机制比较简单。当我们使用网络请求库下载图片时,该网站会对检查每个HTTP请求的headers头部中Referer字段。它判断该字段是否为空,如果字段为空,那么不会返回正常显示的图片,而是返回一张带有“图片来自妹子网,请勿盗链”字样的图片。


遇到这种机制,突破也是比较简单。对每个HTTP请求,将页面的url地址填充到Referer字段中。


上文盘点了四个网站的反爬虫措施,不同的网站采集的措施不一样,如果需要采集数据,需要分析目标网站的反爬虫机制,然后再制定采集方法,并可以使用各种工具突破反爬虫机制,比如使用智连代理,或者精灵代理,可以实现换IP的作用,以突破IP限制,加快采集的速度。


当然,也不能无限制的进行采集工作,即使使用代理,也一样需要控制采集的速度,避免高速采集导致目标网站出现问题。


推荐阅读
  • 17 2019-07
    使用换ip软件的独享ip线路优势

    使用换ip软件的独享ip线路优势,这是比共享ip线路要好用很多的,这是为什么呢?

  • 20 2018-12
    文章阅读量上不去怎么办,刷阅读量效果好吗

    不管是做自媒体还是做SEO优化,对有文章的阅读量都是有需求的,阅读量越高的文章能获得更好的排名,更多被浏览的机会,但文章阅读量上不去怎么办?如何提高文章的阅读量呢?

  • 03 2019-07
    贴吧营销引流可以借用换IP软件

    贴吧营销引流可以借用换IP软件,这是很多人都不知道的办法。大部分人做营销,都是不停的发,然后被封,然后就没有然后了。但有时候你看到别人发,怎么都不被封的呢?这是有技巧的,我

  • 03 2018-12
    博客怎么做营销策划有效果

    虽然博客的鼎盛时期已经过去了,大部分的流量已经转移到其他地方,但是很多博客的权重非常高,发布的文章很容易被收录,自然排名好做,因此许多营销推广人员依然没有放弃做博客...

  • 11 2019-07
    游戏高延迟代理ip能解决么?

    游戏高延迟代理ip能解决么?高延迟下的网络,无论是做什么,效果都不好的。尤其卡得动都动不了,怎么玩?游戏的过程中为什么会出现卡顿延迟呢?

  • 06 2019-02
    哪个换IP软件价格低,效果还好用的?三种换IP软件效果对比

    有时我们需要隐藏自己的真实IP地址,或者通过借用他人的IP地址而绕过网络的屏蔽,这需要使用到代理服务器。不同的代理期具体作用是不一样的。