1、判斷請求頭來進行反爬

這是很早期的網(wǎng)站進行的反爬方式

User-Agent 用戶代理
referer 請求來自哪里
cookie 也可以用來做訪問憑證
解決辦法：請求頭里面添加對應(yīng)的參數(shù)（復(fù)制瀏覽器里面的數(shù)據(jù)）

2、根據(jù)用戶行為來進行反爬

請求頻率過高，服務(wù)器設(shè)置規(guī)定時間之內(nèi)的請求閾值
解決辦法：降低請求頻率或者使用代理（IP代理）
網(wǎng)頁中設(shè)置一些陷阱（正常用戶訪問不到但是爬蟲可以訪問到）
解決辦法：分析網(wǎng)頁，避開這些特殊陷阱
請求間隔太短，返回相同的數(shù)據(jù)
解決辦法：增加請求間隔

3、js加密

反爬方式中較為難處理的一類。
js加密的原理：服務(wù)器響應(yīng)給瀏覽器的js文件，可以動態(tài)的生成一些加密參數(shù)，瀏覽器會根據(jù)js的計算 得到這些參數(shù)，在請求中帶入進來，如果請求中沒有這些參數(shù)，那么服務(wù)器就任務(wù)請求無效。

4、字體加密

字體反爬，是一種常見的反爬技術(shù)，網(wǎng)站采用了自定義的字體文件，在瀏覽器上正常顯示，但是爬蟲抓取下來的數(shù)據(jù)要么就是亂碼，要么就是變成其他字符。采用自定義字體文件是CSS3的新特性，熟悉前端的同學(xué)可能知道，就是font-face屬性。

5、登錄驗證碼

使用Python爬取網(wǎng)頁內(nèi)容時往往會遇到使用驗證碼登陸才能訪問其網(wǎng)站，不同網(wǎng)站的使用的驗證碼也不同，在最開始使用簡單驗證碼，識別數(shù)字，但是隨著反爬的不斷發(fā)展，慢慢設(shè)計出了更多復(fù)雜的驗證碼，比如：內(nèi)容驗證碼、滑動驗證碼、圖片拼接驗證碼等等。
網(wǎng)上有很多打碼平臺，通過注冊賬號，調(diào)用平臺接口，進行驗證碼的驗證。

6、md5相關(guān)知識

MD5，消息摘要算法，一種被廣泛使用的密碼散列函數(shù)，可以產(chǎn)生出一個128位（16字節(jié)）的散列值（hash value），用于確保信息傳輸完整一致。MD5是最常見的摘要算法，速度很快，生成結(jié)果是固定的128 bit字節(jié)，通常用一個32位的16進制字符串表示。MD5的特點：
1.不可逆：不能從密文推導(dǎo)出明文。
2.不管明文長度為多少，密文的長度都固定。
3.密文之間不會重復(fù)。

import hashlib
print(hashlib.md5('python'.encode()).hexdigest())

字符串python加密后的結(jié)果：

23eeeb4347bdd26bfc6b7ee9a3b755dd

7、base64

Base64是網(wǎng)絡(luò)上最常見的用于傳輸8Bit字節(jié)碼的編碼方式之一，Base64就是一種基于64個可打印字符來表示二進制數(shù)據(jù)的方法。Base64編碼是從二進制到字符的過程，可用于在HTTP環(huán)境下傳遞較長的標(biāo)識信息。采用Base64編碼具有不可讀性，需要解碼后才能閱讀。

import base64

#python中base64的加密
print(base64.b64encode('python'.encode()).decode())
#python中base64的解密
print(base64.b64decode('Y2hpbmE='.encode()).decode())

結(jié)果：

cHl0aG9u
china

二、驗證碼驗證

自己動手看驗證碼(古詩詞網(wǎng))

import requests

url = "gushiwen.org"

session = requests.Session()

text = session.get(url).text

# 解析響應(yīng)，找到驗證碼的圖片地址，
# 下載驗證碼圖片，保存
with open('code.jpg', 'wb')as f:
  f.write('驗證碼的url地址'.encode())

code = input('驗證碼是: ')

login_url = "login.com"

data = {
  "username": 'xx',
  "password": 'xx',
  "code": code
}
requests.post(url, data=data)

使用打碼平臺（圖鑒）

新建一個captcha_api.py

import json
import requests
import base64
from io import BytesIO
from PIL import Image
from sys import version_info


def base64_api(uname, pwd, img):
  img = img.convert('RGB')
  buffered = BytesIO()
  img.save(buffered, format="JPEG")
  if version_info.major >= 3:
    b64 = str(base64.b64encode(buffered.getvalue()), encoding='utf-8')
  else:
    b64 = str(base64.b64encode(buffered.getvalue()))
  data = {"username": uname, "password": pwd, "image": b64}
  result = json.loads(requests.post("http://api.ttshitu.com/base64", json=data).text)
  if result['success']:
    return result["data"]["result"]
  else:
    return result["message"]
  return ""


def request_captcha(uname, pwd, img_path):
  img_path = img_path # 待驗證的驗證碼路徑
  img = Image.open(img_path)
  result = base64_api(uname, pwd, img)
  # 傳入賬號 密碼 和圖片
  print(result)

新建use_code.py，調(diào)用接口

img_path = '圖片路徑'

from captcha_api import request_captcha

ret = request_captcha("賬號", "密碼", img_path)

以上就是python 常見的反爬蟲策略的詳細(xì)內(nèi)容，更多關(guān)于python反爬蟲的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論