前言

爬蟲和反爬蟲日益成為每家公司的標配系統(tǒng)。

爬蟲在情報獲取、虛假流量、動態(tài)定價、惡意攻擊、薅羊毛等方面都能起到很關鍵的作用，所以每家公司都或多或少的需要開發(fā)一些爬蟲程序，業(yè)界在這方面的成熟的方案也非常多。

有矛就有盾，每家公司也相應的需要反爬蟲系統(tǒng)來達到數(shù)據(jù)保護、系統(tǒng)穩(wěn)定性保障、競爭優(yōu)勢保持的目的。

像安全與黑客從來都是相輔相成一樣。

爬蟲與反爬蟲也是在雙方程序員的斗智斗勇的過程不斷發(fā)展和成長的。

抓包

抓包的目的： 分析出協(xié)議請求使用的數(shù)據(jù)，請求接口，參數(shù)等等。

常用的抓包分析工具：

• Fiddler
• Charles
• Sniffer
• Wireshark

具體使用策略，請自行百度，Google。

抓數(shù)據(jù)

使用 HttpClient 模擬請求

充分了解 HttpClient 的特性，使用方式等。

HttpClient4.5官方教程

user_agent 的使用

使用 user_agent 的偽裝和輪換模擬不同的客戶端。

建立UserAgent池，可以通過以下地址獲取一定量的UserAgent的信息。

http://www.fynas.com/ua/search?b=Chrome&k=

代理IP的使用

建立代理ip池，一般使用的免費或收費代理獲取代理ip每秒都會有一定的頻率限制。

那么我們在使用的時候，就要在頻率限制內(nèi)建立自己內(nèi)部的一些策略，

當然這些策略建立在代理服務商的策略之上。因此設計實施時要考慮易維護性。

http代理

有些網(wǎng)站（包括APP、PC）具有一定的反爬蟲能力，

如拒絕代理ip直接請求接口:

這是我使用代理ip請求登錄接口時，某APP的響應：

CONNECT refused by proxy

而使用socks代理則無此問題。這就不得不要了解http代理和socks代理的區(qū)別。

socks代理

待續(xù)

設置訪問頻率

即便是使用了代理ip，那么對目標接口的訪問也要有一定的頻率控制，

防止目標服務方檢測出頻率過快，進行拒絕服務的響應。

Cookie 池失效和更新策略

獲取目標站點Cookie有效時間，

將對應賬號和Cookie存入Redis，

起一個任務對賬號Cookie進行定時檢測，

接近失效時間，進行提前更新Cookie信息，

具體Cookie 池Cookie的失效和更新策略需要根據(jù)自己業(yè)務進行適當調(diào)整。

防止目標方的分析

• 確保同一賬號的請求使用的是同一個UserAgent、同一個代理ip。
• 注意訪問頻率
• 其他

總而言之，就是模擬正常的客戶端發(fā)起對服務方的請求，偽裝的越像正常的客戶端，服務方越難分析出。

只要是服務方能夠提供服務，一般情況下都可以進行數(shù)據(jù)的爬取，

只不過是難易程度不同。

如果出于商業(yè)目的，要考慮付出的成本到底是否合適。

總結

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學習或者工作具有一定的參考學習價值，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

最新評論