十六、常见的反爬手段和解决思路

1、明确反反爬的主要思路

反反爬的主要思路就是:尽可能的去模拟浏览器,浏览器在如何操作,代码中就如何去实现。

例如:浏览器先请求了地址url1,保留了cookie在本地,之后请求地址url2,带上了之前的cookie,代码中也可以这样去实现。

2、通过headers字段来反爬

headers中有很多字段,这些字段都有可能会被对方服务器拿过来进行判断是否为爬虫

2.1 通过headers中的User-Agent字段来反爬

反爬原理:爬虫默认情况下没有User-Agent
解决方法:请求之前添加User-Agent即可;更好的方式是使用User-Agent池来解决(收集一堆User-Agent的方式,或者是随机生成User-Agent)

解决方案:

(1)随机生成User-Agent

import random

def get_ua():
    first_num = random.randint(55, 62)
    third_num = random.randint(0, 3200)
    fourth_num = random.randint(0, 140)
    os_type = [
        '(Windows NT 6.1; WOW64)', '(Windows NT 10.0; WOW64)', '(X11; Linux x86_64)',
        '(Macintosh; Intel Mac OS X 10_12_6)'
    ]
    chrome_version = 'Chrome/{}.0.{}.{}'.format(first_num, third_num, fourth_num)

    ua = ' '.join(['Mozilla/5.0', random.choice(os_type), 'AppleWebKit/537.36',
                   '(KHTML, like Gecko)', chrome_version, 'Safari/537.36']
                  )
    return ua

(2)faker模块: https://www.jianshu.com/p/6bd6869631d9

2.2 通过referer字段或者是其他字段来反爬

反爬原理:爬虫默认情况下不会带上referer字段
解决方法:添加referer字段

2.3 通过cookie来反爬

解决方法
如果目标网站不需要登录 每次请求带上前一次返回的cookie,比如requests模块的session。
如果目标网站需要登录 准备多个账号,通过一个程序获取账号对应的cookie,组成、其他程序使用这些cookie。

3、通过js来反爬

  普通的爬虫默认情况下无法执行js,获取js执行之后的结果,所以很多时候对方服务器会通过js的技术实现反爬

3.1 通过js实现跳转来反爬

反爬原理:js实现页面跳转,肉眼不可见
解决方法: 在chrome中点击perserve log按钮实现观察页面跳转情况

  在这些请求中,如果请求数量很多,一般来讲,只有那些response中带cookie字段的请求是有用的,意味着通过这个请求,对方服务器有设置cookie到本地

3.2 通过js生成了请求参数

反爬原理:js生成了请求参数
解决方法:分析js,观察加密的实现过程,通过js2py获取js的执行结果,或者使用selenium来实现

3.3 通过js实现了数据的加密

反爬原理:js实现了数据的加密
解决方法:分析js,观察加密的实现过程,通过js2py获取js的执行结果,或者使用selenium来实现

4、通过验证码来反爬

反爬原理:对方服务器通过弹出验证码强制验证用户浏览行为
解决方法:打码平台或者是机器学习的方法识别验证码,其中打码平台廉价易用,更值得推荐

5、通过ip地址来反爬

反爬原理:正常浏览器请求网站,速度不会太快,同一个ip大量请求了对方服务器,有更大的可能性会被识别为爬虫(id+UA+账号)
解决方法:对应的通过购买高质量的ip的方式能够解决问题

6、通过用户行为来反爬

反爬原理:通过浏览器请求数据,很多用户行为会在浏览器中是很容易实现或者无法实现.比如浏览器请求额外的图片地址,服务端进行记录,出现意味着不是爬虫(爬虫中不会主动请求图片)根据真实用户的上网的行为习惯进行识别。
解决方法:通过获取数据的情况来观察请求,寻找异常出现的可能请求,网银activeX控件。

7、其他的反爬方式
7.1通过自定义字体来反爬

下图来自猫眼电影电脑版
十六、常见的反爬手段和解决思路_第1张图片

解决思路:切换到手机版、截图做图像识别、通过字体文件处理

7.2 通过css来反爬

下图来自猫眼去哪儿电脑版
十六、常见的反爬手段和解决思路_第2张图片

解决思路:计算css的偏移,截图识别

8、小结

反爬的手段非常多,但是一般而言,完全的模仿浏览器的行为即可

你可能感兴趣的:(爬虫,爬虫学习之路,常见的反爬手段,解决思路)