欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

關(guān)于反爬蟲的一些簡單總結(jié)

 更新時間:2017年12月13日 09:14:18   作者:超人Python  
這篇文章主要介紹了關(guān)于反爬蟲的一些簡單總結(jié),具有一定借鑒價值,需要的朋友可以參考下。

爬蟲與反爬蟲,這相愛相殺的一對,簡直可以寫出一部壯觀的斗爭史。而在大數(shù)據(jù)時代,數(shù)據(jù)就是金錢,很多企業(yè)都為自己的網(wǎng)站運用了反爬蟲機制,防止網(wǎng)頁上的數(shù)據(jù)被爬蟲爬走。然而,如果反爬機制過于嚴格,可能會誤傷到真正的用戶請求;如果既要和爬蟲死磕,又要保證很低的誤傷率,那么又會加大研發(fā)的成本。

簡單低級的爬蟲速度快,偽裝度低,如果沒有反爬機制,它們可以很快的抓取大量數(shù)據(jù),甚至因為請求過多,造成服務(wù)器不能正常工作。

1、爬取過程中的302重定向

在爬取某個網(wǎng)站速度過快或者發(fā)出的請求過多的時候,網(wǎng)站會向你所在的客戶端發(fā)送一個鏈接,需要你去驗證圖片。我在爬鏈家和拉鉤網(wǎng)的過程中就曾經(jīng)遇到過:

對于302重定向的問題,是由于抓取速度過快引起網(wǎng)絡(luò)流量異常,服務(wù)器識別出是機器發(fā)送的請求,于是將請求返回鏈接定到某一特定鏈接,大多是驗證圖片或空鏈接。

在這種時候,既然已經(jīng)被識別出來了,就使用代理ip再繼續(xù)抓取。

2、headers頭文件

有些網(wǎng)站對爬蟲反感,對爬蟲請求一律拒絕,這時候我們需要偽裝成瀏覽器,通過修改http中的headers來實現(xiàn)

headers = {
'Host': "bj.lianjia.com",
'Accept': "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
'Accept-Encoding': "gzip, deflate, sdch",
'Accept-Language': "zh-CN,zh;q=0.8",
'User-Agent': "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.87 Safari/537.36",
'Connection': "keep-alive",
}
p = requests.get(url, headers=headers)
print(p.content.decode('utf-8'))

3、模擬登陸

一般登錄的過程都伴隨有驗證碼,這里我們通過selenium自己構(gòu)造post數(shù)據(jù)進行提交,將返回驗證碼圖片的鏈接地址輸出到控制臺下,點擊圖片鏈接識別驗證碼,輸入驗證碼并提交,完成登錄。

from selenium import webdriver
from selenium.webdriver.common.keys import Keys #
from selenium.webdriver.support.ui import WebDriverWait # WebDriverWait的作用是等待某個條件的滿足之后再往后運行
from selenium.webdriver import ActionChains
import time
import sys
driver = webdriver.PhantomJS(executable_path='C:\PyCharm 2016.2.3\phantomjs\phantomjs.exe') # 構(gòu)造網(wǎng)頁驅(qū)動

driver.get('https://www.zhihu.com/#signin')  # 打開網(wǎng)頁
driver.find_element_by_xpath('//input[@name="password"]').send_keys('your_password')
driver.find_element_by_xpath('//input[@name="account"]').send_keys('your_account')
driver.get_screenshot_as_file('zhihu.jpg')     # 截取當(dāng)前頁面的圖片
input_solution = input('請輸入驗證碼 :')
driver.find_element_by_xpath('//input[@name="captcha"]').send_keys(input_solution)
time.sleep(2)

driver.find_element_by_xpath('//form[@class="zu-side-login-box"]').submit() # 表單的提交 表單的提交,即可以選擇登錄按鈕然后使用click方法,也可以選擇表單然后使用submit方法
sreach_widonw = driver.current_window_handle  # 用來定位當(dāng)前頁面
# driver.find_element_by_xpath('//button[@class="sign-button submit"]').click()
try:
dr = WebDriverWait(driver,5)
# dr.until(lambda the_driver: the_driver.find_element_by_xpath('//a[@class="zu-side-login-box"]').is_displayed())
if driver.find_element_by_xpath('//*[@id="zh-top-link-home"]'):
print('登錄成功')
except:
print('登錄失敗')
driver.save_screenshot('screen_shoot.jpg')  #截取當(dāng)前頁面的圖片
sys.exit(0)
driver.quit() #退出驅(qū)動

這里面,PhantomJS是一個很棒的exe,下載地址:phantomjs。他可以模擬瀏覽器行為進行操作。當(dāng)我們遇到JS渲染的網(wǎng)頁,在使用正則表達式、BS4和xpath . . . 都無法匹配出數(shù)據(jù)時(數(shù)據(jù)根本沒加載上),可以使用PhantomJS模擬瀏覽器行為發(fā)送請求,將會得到網(wǎng)頁的原始全部數(shù)據(jù)。

4、代理ip

當(dāng)爬取速度過快時,當(dāng)請求次數(shù)過多時都面臨ip被封的可能。因此使用代理也是必備的。

使用request加代理

import requests
proxies = { "http": "http://10.10.1.10:3128",
"https": "http://10.10.1.10:1080",}
p = request.get("http://www.baidu.com", proxies = proxies)
print(p.content.decode('utf-8'))

使用urllib加代理

user_agent ='Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.22 Safari/537.36 SE 2.X MetaSr 1.0'
headers = {'User-Agent':user_agent}
proxy = {'http':'http://10.10.1.10:1080',}
proxy_handler = urllib.request.ProxyHandler(proxy)
opener = urllib.request.build_opener(proxy_handler)
urllib.request.install_opener(opener)
url = "https://www.baidu.com/"
req = urllib.request.Request(url=url,headers=headers)
res = urllib.request.urlopen(req)
print(res.read().decode('utf-8')) # 打印網(wǎng)頁內(nèi)容

5、驗證碼輸入

遇到驗證的問題,我一般都是人工識別:獲取驗證碼的鏈接再控制臺下 ——> 點擊鏈接識別驗證碼 ——> 在控制臺手動輸入驗證碼并提交。

6、ajax加載的數(shù)據(jù)

對于ajax加載的數(shù)據(jù),我們無論通過request或post方法請求得到的網(wǎng)頁都無法得到。

關(guān)于一個網(wǎng)頁是否是ajax加載數(shù)據(jù),我們只需將網(wǎng)頁內(nèi)容print到控制臺下,將其與網(wǎng)頁原始內(nèi)容進行比對,如果有數(shù)據(jù)缺失,那么這些數(shù)據(jù)就是ajax加載。例如:我們想獲取京東上商品的價格、銷量、好評等方面的數(shù)據(jù),但是請求返回的網(wǎng)頁中沒有這些數(shù)據(jù)。因為這些數(shù)據(jù)是ajax加載。對于ajax加載的頁面,一般有兩種方法。

(1)分析網(wǎng)頁

按F12打開瀏覽器調(diào)試工具,在Network下選擇XHR或Doc標(biāo)簽,分析(雙擊點開查看)這兩個標(biāo)簽下的鏈接。如果點開鏈接打開的網(wǎng)頁中正好有那些沒有加載的數(shù)據(jù),則這些數(shù)據(jù)是通過該鏈接傳送的。再對該鏈接進行規(guī)律分析,以后對該鏈接發(fā)送請求。

(2)使用PhantomJS模擬瀏覽器行為

使用PhantomJS模擬瀏覽器進行發(fā)送請求,得到返回的內(nèi)容是完全的(ajax加載的數(shù)據(jù)也會有)。但是使用PhantomJS請求速度過慢,一般一個網(wǎng)頁4~5s時間,不能忍。一般要使用PhantomJS需要開多線程。

driver = webdriver.PhantomJS(executable_path='C:\PyCharm 2016.2.3\phantomjs\phantomjs.exe') # 構(gòu)造網(wǎng)頁驅(qū)動
driver.get('https://www.zhihu.com/') 
print(driver.page_source) # 打印網(wǎng)頁內(nèi)容

總結(jié)

以上就是本文關(guān)于關(guān)于反爬蟲的一些簡單總結(jié)的全部內(nèi)容,希望對大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站:

python爬蟲系列Selenium定向爬取虎撲籃球圖片詳解

Python爬蟲實例爬取網(wǎng)站搞笑段子

如有不足之處,歡迎留言指出。感謝朋友們對本站的支持!

相關(guān)文章

  • Python中Parser的超詳細用法實例

    Python中Parser的超詳細用法實例

    Parser模塊為Python的內(nèi)部解析器和字節(jié)碼編譯器提供了一個接口,該接口的主要目的是允許Python代碼編輯Python表達式的分析樹并從中創(chuàng)建可執(zhí)行代碼,這篇文章主要給大家介紹了關(guān)于Python中Parser超詳細用法的相關(guān)資料,需要的朋友可以參考下
    2022-07-07
  • python集合刪除多種方法詳解

    python集合刪除多種方法詳解

    這篇文章主要介紹了python集合刪除多種方法詳解,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-02-02
  • Python基礎(chǔ)之變量的相關(guān)知識總結(jié)

    Python基礎(chǔ)之變量的相關(guān)知識總結(jié)

    今天給大家?guī)淼氖顷P(guān)于Python的相關(guān)知識,文章圍繞著Python變量展開,文中有非常詳細的介紹及代碼示例,需要的朋友可以參考下
    2021-06-06
  • Python爬蟲必備之XPath解析庫

    Python爬蟲必備之XPath解析庫

    今天給大家?guī)淼氖荘ython爬蟲的相關(guān)知識,文章圍繞著XPath解析庫展開,文中有非常詳細的代碼示例及介紹,需要的朋友可以參考下
    2021-06-06
  • Python GUI Tkinter簡單實現(xiàn)個性簽名設(shè)計

    Python GUI Tkinter簡單實現(xiàn)個性簽名設(shè)計

    這篇文章主要為大家詳細介紹了Python GUI Tkinter簡單實現(xiàn)個性簽名設(shè)計,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-06-06
  • pytorch實現(xiàn)focal loss的兩種方式小結(jié)

    pytorch實現(xiàn)focal loss的兩種方式小結(jié)

    今天小編就為大家分享一篇pytorch實現(xiàn)focal loss的兩種方式小結(jié),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • Python是什么 Python的用處

    Python是什么 Python的用處

    在本篇文章里小編給大家分享的是關(guān)于python的作用和用途知識點,有興趣的朋友們可以參考下。
    2020-05-05
  • Python3-異步進程回調(diào)函數(shù)(callback())介紹

    Python3-異步進程回調(diào)函數(shù)(callback())介紹

    這篇文章主要介紹了Python3-異步進程回調(diào)函數(shù)(callback())介紹,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • 用Python獲取亞馬遜商品信息

    用Python獲取亞馬遜商品信息

    大家好,本篇文章主要講的是用Python獲取亞馬遜商品信息,感興趣的同學(xué)趕快來看一看吧,對你有幫助的話記得收藏一下,方便下次瀏覽
    2022-01-01
  • python把數(shù)據(jù)導(dǎo)出生成excel文件的方法小結(jié)

    python把數(shù)據(jù)導(dǎo)出生成excel文件的方法小結(jié)

    在Python中,將數(shù)據(jù)導(dǎo)出生成Excel文件,最常用的庫之一是openpyxl(用于處理.xlsx文件)和pandas,以下將分別介紹如何使用這兩個庫來生成Excel文件,感興趣的小伙伴跟著小編一起來看看吧
    2024-09-09

最新評論