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
  • 02 2020-01
    代理IP在当代网络的重要意义

    代理ip在网络中的使用如何?如果大家对于ip代理有一定的认识,那么一定有听说过换ip软件在某些领域、行业是非常吃香的,甚至是没有了动态ip代理,就无法开展工作。

  • 22 2019-10
    如何选择代理IP软件​呢?

    如何选择代理IP软件​呢?给大家科普一下,对于电脑来说,每时每刻、每台电脑都有一个唯一的IP地址,这个地址的作用就是用来确定这台电脑的位置。用ADSL等方式拨号上网的时候,每一次拨号

  • 29 2019-10
    为什么用了代理ip​还会被封?

    为什么用了代理ip​还会被封?通过了解代理有哪些种类,知道透明代理、普通匿名代理在隐藏IP上作用不大,使用后被封还是原因的,但是使用高匿代理IP后,还是被封IP,这是怎么回事呢?

  • 06 2018-12
    品牌怎么进行营销推广?塑造品牌形象

    做广告讲究的是创意性,即使是大家讨厌的广告,也能走心,也能收获消费者的广泛认可甚至认同,但这并不容易,不然大大小小的品牌也不会使劲的扔广告费。

  • 23 2019-02
    如何使用智连代理换IP工具设置自动更换IP

    现在网络发展快,很多人就使用网络的,因此很多商家都通过网络来辅助自己的事业,但是网络也是有限制的,因此需要使用一些工具来突破,比如换IP工具。

  • 26 2019-06
    使用动态IP有好处也有坏处

    使用动态IP有好处也有坏处,也就是说好坏并存,那么我们在使用的时候,就需要看清楚进行选择了。