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
  • 05 2019-05
    游戏防封不用换IP?

    游戏防封不用换IP?有些人认为游戏防封,其实IP地址是不重要的,更多的是检测你的账号行为情况,但是大家要清楚不重要不等于不需要,为什么这么说呢?

  • 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。

  • 21 2019-11
    账号被封就用代理ip​!

    账号被封就用代理ip​!在大数据时代,当我们遇到问题是已经习惯上网去寻找解决方法,而网上的大多数信息是网站管理员去加的,所有的网站管理员在各式各样的渠道曝光自己的网站或是品牌

  • 27 2020-02
    手动换ip与自动换ip的使用

    动态ip代理、移动ip代理、换ip的软件,其实那么多不同的称呼,大家的使用目的都是离不开切换ip地址。那么,现在最具有代表性的两个切换方式,分为为手动切换以及自动切换。

  • 22 2019-04
    单IP频繁爬取某网站,多久会被限制住?

    单IP频繁爬取某网站,多久会被限制住?IP被不被封,这需要看你使用的频率,越快越容易被封,这基本上是个常规了。因为很多网站都设了IP防刷的,也就是在短时间内有大量相同ip的请求,可

  • 17 2019-12
    使用免费代理ip与付费代理ip的场景

    上网的时候,碰上ip访问受限这种情况比较尴尬,特别是有的时候,明明是正常访问,但是由于网站对于反爬虫ip访问数量的限制太严格了,导致自己的ip也被封。那么,遇上这种问题,我们可以