Python爬虫突破反爬虫机制知识点总结

1、构建合理的HTTP请求标头。

HTTP的请求头是一组属性和配置信息，当您发送一个请求到网络服务器时。因为浏览器和Python爬虫发送的请求头不同，反爬行器很可能会被检测到。

2、建立学习cookie。

Cookie是一把双刃剑，有它不行，没有它更不行。站点将通过cookie来追踪你的访问情况，如果发现你有爬虫行为，将立即中断您的访问，例如，填写表格时速度过快，或在短时间内浏览大量网页。而且对cookies的正确处理，也可以避免许多采集问题，建议在收集网站的过程中，检查一下这些网站生成的cookie，然后想想哪个是爬虫需要处理的。

3、正常时差路径。

Python爬行器不应破坏采集速度的原则，尽可能在每一页访问时间内增加一小段间隔，能有效地帮助您避免反爬行。

4、使用代理IP，对已经遇到过反爬虫的分布式爬虫来说，使用代理IP将成为您的首选。

谈到Python爬虫的发展历史，那简直就是与反爬虫相恋的血泪史。因特网上，有网络爬虫的地方，绝对少不了反爬虫的身影。对网站进行反爬虫的截取，前提是要正确区分人与网络机器人，发现可疑目标时，通过限制IP地址等措施，阻止您继续访问。

知识点扩展：

python3爬虫--反爬虫应对机制

前言：

反爬虫更多是一种攻防战，网络爬虫一般有网页爬虫和接口爬虫的方式；针对网站的反爬虫处理来采取对应的应对机制，一般需要考虑以下方面：

①访问终端限制：这种可通过伪造动态的UA实现；

②访问次数限制：网站一般通过cookie/IP定位，可通过禁用cookie，或使用cookie池/IP池来反制；

③访问时间限制：延迟请求应对；

④盗链问题：通俗讲就是，某个网页的请求是有迹可循的，比如知乎的问题回答详情页，正常用户行为必然是先进入问题页，在进入回答详情页，有严格的请求顺序，如果之间跳过前面请求页面就有可能被判定为到了，通过伪造请求头可以解决这个问题；

具体的反爬虫策略：

①验证码

应对：简单的验证码可通过机器学习识别，准确率可高达，50-60%；复杂的可通过专门的打码平台人工打码（依据验证码的复杂度，打码工人平均每码收1-2分钱）

②封ip(容易误杀)

应对：通过ip代理池/vps拨号获取ip方式，可用低成本的获取几十万ip

③滑动验证码：相比常规的验证码易被机器学习识别，滑动验证有一定的优势

应对：模拟滑动来验证

④关联上下文/防盗链：利用token/cookie的记录能力，来关联请求的上下文，通过判断请求是否走了完整的流程来判定是否是爬虫；重而反爬虫（知乎，头条都有该机制）

应对：分析协议，进行全量模拟

⑤javascript 参与运算：利用简单爬虫无法进行json运算的特征，对中间结果进行js解析/运算

应对：可以通过自带 js 引擎模块或直接使用 phantomjs 等无端浏览器进行自动化解析

⑥session封禁：session请求超过阈值，从而封禁（容易导致误杀）

⑦UA封禁：ua请求超过阈值，从而封禁（容易导致误杀）

⑧web-fongt反爬虫机制：源代码不展示内容，而是提供字符集，在页面使用了font-face定义了字符集，并通过unicode去映射展示

⑨其他：比如代码混淆、动态加密方案、假数据等方式