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
  • 21 2019-03
    数据造假:网络爬虫借用代理IP刷量靠谱么

    互联网时代,很多数据都可以刷的,因为这些数据只要打开就增加了,如此容易获得,技术难度也就不高了。当然肯定是有利可图,才会吸引众多的刷手入场。我们使用网络爬虫进行刷量,这网

  • 12 2019-12
    ip代理使用有很多好处

    随着网络的发展,我们很多时间都需要依赖网络,不仅仅是工作上,就连我们的日常生活,你可以想象到如果断网后,会造成很大的骚动。但是网络是一把双刃剑,在它蓬勃壮大的同时,也有一

  • 31 2019-05
    如何通过代理IP切换电脑上网ip

    如何通过代理IP切换电脑上网ip?平常想换IP,还要自己去操作更换,如果仅是换几个还好,但是如果数量多起来了,就麻烦。如果能使用代理IP切换就好了,这样效果会更加好。

  • 29 2019-09
    代理ip​能应对反爬虫吗?

    代理ip​能应对反爬虫吗?选择基本每个网站都有反爬虫机制的存在,一般来说最常见的反爬虫措施就是通过ip限制来实现,禁止某个ip地址的访问来保护网站的安全。既然大部分网站的机制都是

  • 16 2019-09
    代理ip都有哪些分类?

    代理ip都有哪些分类?代理ip的作用大家其实都很熟悉了,在例如爬虫数据采集、网络推广或者人气流量等等方面都有许许多多的用处,那么在使用代理ip的时候你又知不知道代理IP都可以分为哪些

  • 16 2019-08
    国内代理ip有什么用处?

    国内代理ip有什么用处?使用代理ip可以随意切换我们的IP地址,更换到不同的城市或者运营商,提升我们的上网体验。