爬蟲如何做反爬措施

小編給大家分享一下爬蟲如何做反爬措施，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討方法吧！

爬蟲常見的反爬措施有三種：

1、header頭部信息

解決方法：

加User-Agent值：
如果不加header頭，部分網(wǎng)站服務(wù)器判斷不到用戶的訪問來源，所以會返回一個(gè)404錯(cuò)誤來告知你是一個(gè)爬蟲，拒絕訪問，解決辦法如下：

headers = {
    'User-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.56 Safari/537.36'
           }

這樣服務(wù)器就會把用戶當(dāng)做瀏覽器了。

加Referer值
這類反爬網(wǎng)站也很常見，例如美團(tuán)，僅僅加User-Agnet還是返回錯(cuò)誤信息，這時(shí)就要把Referer值也加到頭部信息中：

這樣就會返回正常網(wǎng)頁了。

加Host值
根據(jù)同源地址判斷用戶是否為爬蟲，解決辦法為：

加Accept值
之前遇到過這種網(wǎng)站，我加了一圈header頭部信息才成功，最后發(fā)現(xiàn)是需要加Accept值，這類反爬措施的解決辦法為：

2、限制IP的請求數(shù)量

這種就更常見了，大部分網(wǎng)站都有此類反爬措施，也就是說網(wǎng)站服務(wù)器會根據(jù)某個(gè)ip在特定時(shí)間內(nèi)的訪問頻率來判斷是否為爬蟲，然后把你把你拉進(jìn)“黑名單”，素質(zhì)好的給你返回403或者出來個(gè)驗(yàn)證碼，素質(zhì)不好的會給你返回兩句臟話。此種情況有兩種解決辦法：

①降低爬蟲請求速率，但是會降低效率；

②添加代理ip，代理ip又分為付費(fèi)的和不要錢的，前者比較穩(wěn)定，后者經(jīng)常斷線。

添加格式為：

3、Ajax動態(tài)請求加載

這類一般是動態(tài)網(wǎng)頁，無法直接找到數(shù)據(jù)接口，以某易新聞網(wǎng)站為例：

我想爬取該網(wǎng)頁內(nèi)的新聞圖片，發(fā)現(xiàn)它的網(wǎng)頁url一直不變，但是下拉網(wǎng)頁的時(shí)候會一直加載圖片，那么我們該怎么辦呢？

首先按照開頭方式打開流量分析工具

點(diǎn)擊左上角“垃圾桶”圖標(biāo)清空緩存，然后下拉新聞網(wǎng)頁：

會出現(xiàn)一大堆東西，但是不用慌，我們可以根據(jù)類型去尋找，一般圖片信息肯定實(shí)在html、js或json格式的文件中，一個(gè)一個(gè)點(diǎn)進(jìn)去看看，很快就找到了結(jié)果：

結(jié)果中把callback去掉之后就是個(gè)json文件，它的url為：

看完了這篇文章，相信你對爬蟲如何做反爬措施有了一定的了解，想了解更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！