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
  • 28 2019-08
    简单易懂的代理IP上网方法!

    简单易懂的代理IP上网方法!日常生活中,我们上网可能不想使用自己电脑的IP,又或者需要换IP申请某某的东西,甚至可以看看一些限制的网站,怎么办呢?下面教大家一些用代理IP​上网的方法

  • 03 2019-09
    代理ip对网络营销有帮助吗?

    代理ip对网络营销有帮助吗?在进行网络营销的时候,我们经常需要在不同的论坛通过发帖等方式进行宣传,或者通过点赞投票让产品看起来更具信心,然而这时候通常会出现一个情况,那就是ip

  • 12 2020-03
    代理ip软件有很大的使用效果

    在接触代理IP软件的时候,很多用户会逐渐的发现,其实代理ip软件的的用途是很广泛的。在整个互联网的使用,能够起到很大的效果。

  • 18 2019-10
    怎么获取免费代理IP​?

    怎么获取免费代理IP​?近年来互联网各种免费代理IP的推出吸引了不少人的关注,到底什么是免费代理IP呢?简单的讲代理IP指的是代理服务器,它存在于网络连接的中间段,使用代理IP可以伪装用

  • 27 2019-09
    ip代理​能防止封号吗?

    ip代理​能防止封号吗? 我们在上网的过程中出现过这种情况,就是一直可以正常登录的帐号,突然就不能使用了,这就是所说的IP和帐号被封,自己并未感觉到什么异常,为什么会被封呢?如果

  • 10 2019-09
    如何才能拥有自己的代理IP池?

    如何才能拥有自己的代理IP池?很多爬虫工作者在进行数据采集的时候都需要使用大量的代理IP​,爬虫时消耗的ip数量少则数百多则上万,如果没有一个代理IP池用来作储备将会对我们的工作产生