我們可以把互聯(lián)網(wǎng)上搬運數(shù)據(jù)的程序看成小螞蟻，它們需要采集不同的食物帶回洞里存儲。但是大家也知道白蟻泛濫的事件，在我們的網(wǎng)絡(luò)環(huán)境里，如果爬蟲都集中在某幾個位置，最直接的結(jié)果就是這個網(wǎng)站的擁擠。對于我們這些網(wǎng)站訪問者而言也不是好事情，首先網(wǎng)頁的頁面會被卡住。網(wǎng)站的管理人員面對爬蟲過多，這時候就要進行一系列的限制措施了，這里小編分了兩個大的應(yīng)對方向，從不同的角度進 行分析爬蟲過多的解決思路。

一、識別爬蟲

1. HTTP請求頭

這算是最基礎(chǔ)的網(wǎng)絡(luò)爬蟲識別了，正常的網(wǎng)絡(luò)訪問者都是通過瀏覽器對網(wǎng)站進行訪問的。而瀏覽器都會帶上自己的請求頭以表明自己的基礎(chǔ)信息。而這也是最容易被爬蟲程序突破的識別手段，因為HTTP請求頭誰都可以進行修改和偽造。

2. Cookie值

Cookie通常用來標識網(wǎng)站訪問者的身份，就像是手上的一張臨時憑證。并憑著這個憑著與網(wǎng)站服務(wù)器進行身份的校對。很遺憾，Cookie是保存在客戶端的數(shù)據(jù)，也可以被修改和偽造。

3. 訪問頻率

如果一個訪問者，每隔1秒請求一次網(wǎng)站的某個頁面，或者一秒鐘請求了幾百次這個頁面。這個訪問者不是爬蟲程序就有鬼了。試問人類中有誰能快速和頻繁地點擊鼠標訪問一個頁面?他是得了帕金森綜合征還是八爪魚轉(zhuǎn)世?

通過訪問頻率來識別爬蟲程序是可行的，但是爬蟲程序也能通過使用大量的代理IP來實現(xiàn)一個IP地址只訪問了一次的效果，也可以通過隨機的請求時間間隔規(guī)避。

4. 鼠標行為軌跡

正常人類訪問者瀏覽網(wǎng)頁勢必不會像機器一樣，機械地移動和點擊鼠標。而鼠標的移動和點擊，是可以通過JS腳本捕獲到的，所以可以通過判斷訪問者的鼠標行為軌跡來判斷訪問者是否為爬蟲程序。

5. token值

現(xiàn)在很多網(wǎng)站都是前后端分離開發(fā)的，數(shù)據(jù)通過后端接口返回給前端，前端拿到數(shù)據(jù)再結(jié)合頁面進行渲染。所以很多爬蟲程序都直接找數(shù)據(jù)接口，而不是傻傻地請求頁面了。token就用在驗證這些后端數(shù)據(jù)接口上。token一般通過網(wǎng)頁上的某個密鑰加上時間再加上某些數(shù)據(jù)組合加密而成。

還有更多地識別爬蟲的手段在此就不一一進行介紹。很遺憾的是，上述任何一種識別爬蟲的手段，都有可能被爬蟲繞過和突破。

二、拒絕爬蟲

1. 內(nèi)容上限制內(nèi)容的開放

開放的內(nèi)容是獲取用戶、流量的基礎(chǔ)，所以內(nèi)容必須是開放的。但是內(nèi)容的開放并不是無限制的開放。非注冊用戶可以看到一篇內(nèi)容、兩篇內(nèi)容，但是不能無限地一直看到內(nèi)容。這個限制，可以是要求登錄，可以是要求掃碼驗證，可以是接入谷歌驗證碼之類的點擊驗證機制。

現(xiàn)在已經(jīng)有越來越多的網(wǎng)站采用了有限內(nèi)容開放的機制，比如微博、知乎、淘寶等，你可以看到一頁兩頁的內(nèi)容，但是如果還想繼續(xù)，對不起請登錄。

2. 行為上記錄用戶操作

需要訪問者進行登錄并不能解決問題，因為模擬登錄一直是網(wǎng)絡(luò)爬蟲程序的一個熱門發(fā)展分支，無論是圖片驗證碼、拼圖、滑塊還是點選漢字，都會被突破。甚至于短信驗證碼都可以通過編寫APP與爬蟲程序和網(wǎng)站之間進行通信。

所以記錄用戶行為必不可少，用戶的一切操作和訪問行為都需要記錄在案，這是分析和處理爬蟲的基礎(chǔ)。

3. 控制上嚴厲打擊高頻行為

從實際上來看，也有很多爬蟲程序的運行并非是為了往死里薅網(wǎng)站的數(shù)據(jù)和內(nèi)容，僅僅是為了方便進行手工的收集和整理工作，這種類型的爬蟲行為一般會比人工瀏覽的頻次要高，但是又顯著低于鬣狗般的高頻爬蟲，對這種類型的爬蟲行為可以忽略掉。做人留一線，日后好相見。

但是對于影響網(wǎng)站服務(wù)器運行的高頻爬蟲行為，高防服務(wù)器必須采取措施。結(jié)合用戶和IP信息，對相關(guān)用戶或IP進行處理。

4. 協(xié)議里申明權(quán)利

網(wǎng)站的所有者必須在網(wǎng)站協(xié)議或用戶協(xié)議里申明，允許正常的瀏覽、訪問和數(shù)據(jù)獲取，對于異常、高頻、威脅網(wǎng)站服務(wù)器穩(wěn)定的行為，將保留進一步處理的權(quán)利。

到此這篇關(guān)于python爬蟲泛濫的解決方法詳解的文章就介紹到這了,更多相關(guān)python爬蟲泛濫的解決實例內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論