网站的反爬虫机制一般都有哪些方式？
207
在大数据资源整合的过程中，有爬虫和反爬虫。网站越大，网站越成熟，反爬行动机制越完善，初始IP限制，验证码限制和其他限制。
今天我们一起来看看网站上反爬的设置，以及反应方式。
1、动态页面的反爬虫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。
2、用户行为反爬虫有一部分网站是通过检测用户行为，例如同一IP短时间内多次访问同一页面，或者同一账户短时间内多次进行相同操作。 大多数网站都是前一种情况，对于这种情况，使用IP代理就可以解决。我们可以将代理IP检测之后保存在文件当中,但这种方法并不可取，代理IP失效的可能性很高，因此从专门的代理IP网站实时抓取，是个不错的选择。 对于第二种情况，可以在每次请求后随机间隔几秒再进行下一次请求。有些有逻辑漏洞的网站，可以通过请求几次，退出登录，重新登录，继续请求来绕过同一账号短时间内不能多次进行相同请求的限制。 还有针对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，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、限定某些IP访问免费的代理IP可以从很多网站获取到，既然爬虫可以利用这些代理IP进行网站抓取，网站也可以利用这些代理IP反向限制，通过抓取这些IP保存在服务器上来限制利用代理IP进行抓取的爬虫。针对IP限制，一般建议使用付费的代理IP服务，比如质量较高的云立方动态IP拨号VPS。
4、通过Headers反爬虫从用户请求的Headers反爬虫是最常见的反爬虫策略。很多网站都会对Headers的User-Agent进行检测，还有一部分网站会对Referer进行检测(一些资源网站的防盗链就是检测Referer)。 如果遇到了这类反爬虫机制，可以直接在爬虫中添加Headers，将浏览器的User-Agent复制到爬虫的Headers中;或者将Referer值修改为目标网站域名。对于检测Headers的反爬虫，在爬虫中修改或者添加Headers就能很好的绕过。
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。
相关文章
2019年5月6日
有时需要批量获取数据，如果要获取的网页非常多，一页一页的翻是不是太累了，有没有简单的方法？ 当然有，可以利用各种工具，但是呢很多是收费的，或者有限制，还不如自己手动做个爬虫使用，非常简单的，下面小编 ...
2019年5月6日
使用IP代理的人日益增多，但有一个奇怪的现象是，还有很多人不习惯付费使用，尽管有的IP代理是免费，但还是有许多不足之处。今天就来一起看看免费代理IP有哪些安全隐患。 1.安全性能都没有安全保障 ...
2019年5月6日
大家对于服务器了解有多少？拨号服务器与服务器有什么区别呢？我们一般使用拨号服务器是做什么的？哪些场景可以使用拨号服务器？ 其实拨号服务器是介于浏览器与web服务器之间服务器，可以代理我们去获取 ...
2019年5月6日
通常在数据爬取的时候，数据量相对较大，单个爬虫抓取速度太慢了，使用爬虫都是要多个爬虫抓取的，这时候就需要使用IP代理，使用多个动态IP来抓取可以提高爬虫的效率，同时降低单个IP访问的频率，降低风险。那 ...
2019年4月30日
在爬取某些网站时，我们经常会设置代理 IP 来避免爬虫程序被封。我们获取代理 IP 地址方式通常提取国内的知名 IP 代理商的免费代理和拨号VPS。这些代理商一般都会提供透明代理，匿名代理，高匿代理。 ...
2019年4月30日
很多人都需要更改IP，例如爬虫注册，刷票收集等。动态VPS服务器也可以更改IP。购买动态VPS需要多少钱？市场上有很多商家的价格看起来合理，太便宜的怕不好用，太贵不划算。如何找到具有高性价比的动态VP ...
2019年4月30日
随着互联网需求的增加，很多公司和个人都在使用动态拨号VPS，但是有些用户看到拨号vps介绍里面ip段标的几A段、几AB段,却不懂其含义，IPV4协议里面一个完整的ip被三个点分为了4个部分A.B.C ...
2019年4月29日
学爬虫对一个电影爱好者来说还是挺有用的，如果你常常闹片荒，豆瓣top榜单也拯救不了你，那么就自己动手吧。 （一）反爬虫策略分析：之前其实有搜到过笑虎大大的文章：单机30分钟抓取豆瓣电影7万+数据：论 ...
2019年4月29日
在大数据时代，企业的发展离不开数据的支持。企业通过爬虫收集数据信息，分析获取的数据，并制定适合他们的营销计划。在数据收集过程中，使用IP软件是必不可少的。尽管有许多动态IP服务提供商，但想选择合适的 ...
2019年4月29日
动态IP有什么用？想要弄明白动态IP是什么就要了解一下IP地址是什么。 IP地址指的是：互联网协议地址。英文是Internet Protocol Address，缩写就成了IP ...
