Python爬蟲和反爬技術(shù)過程詳解
更新時間：2021年09月01日 15:22:38 作者：二哥不像程序員
Python爬蟲是當下最火的一種獲取數(shù)據(jù)的方式，當我們對一些小型網(wǎng)站進行爬取的時候往往沒什么阻礙，而當我們爬取大型網(wǎng)站的時候經(jīng)常會遇到禁止訪問、封禁IP的情況，這也是我們觸發(fā)反爬機制的體現(xiàn)，本文來帶領(lǐng)大家了解幾種簡單高效的反爬對策
一、瀏覽器模擬（Headers）
瀏覽器模擬是最常用的一種反爬方式。設(shè)想一下：一個網(wǎng)站不停的被同一個版本的瀏覽器頻率的訪問，那大概了就要被認為是機器人了。所以上有政策下有對策，我們每次訪問都使用不同的瀏覽器版本信息不就可以了嗎。首先我們來看一下如何找到自己瀏覽器信息。
如何找到瀏覽器信息
打開瀏覽器，按F12（或者鼠標右鍵+檢查）
點擊如下圖所示的Network按鈕
按鍵盤Ctrl+R（MAC：Command+R）進行抓包
操作完上一步之后，隨便點擊右側(cè)name中的一項，即可出現(xiàn)下面的頁面，紅框中的內(nèi)容就是我們要找的瀏覽器信息了。
備注：有一些網(wǎng)站會帶有Referer信息，這里的作用主要是在于告訴瀏覽器你是從哪個網(wǎng)址跳轉(zhuǎn)過來的，類似于P站這種站點就會進行相應的檢查，所以我們可以通過上述同樣的方式找到瀏覽器的Referer信息。如下圖紅框所示：
通過上面的步驟，我們就能夠成功的得到瀏覽器的版本信息了，如果能夠獲得不同的版本信息我們就能夠模擬不同的瀏覽器進行操作了。
在Python中使用user-agent的方式如下：
headers = {
'Referer': '具體的Referer',
'User-Agent': '具體的user-agent'
}
requests.get(url,headers=headers)
常用的請求頭（模擬瀏覽器）信息如下：
User_Agent = [
"Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_2 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8H7 Safari/6533.18.5",
"Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_2 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8H7 Safari/6533.18.5",
"MQQBrowser/25 (Linux; U; 2.3.3; zh-cn; HTC Desire S Build/GRI40;480*800)",
"Mozilla/5.0 (Linux; U; Android 2.3.3; zh-cn; HTC_DesireS_S510e Build/GRI40) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1",
"Mozilla/5.0 (SymbianOS/9.3; U; Series60/3.2 NokiaE75-1 /110.48.125 Profile/MIDP-2.1 Configuration/CLDC-1.1 ) AppleWebKit/413 (KHTML, like Gecko) Safari/413",
"Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Mobile/8J2",
"Mozilla/5.0 (Windows NT 5.2) AppleWebKit/534.30 (KHTML, like Gecko) Chrome/12.0.742.122 Safari/534.30",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_2) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.835.202 Safari/535.1",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_2) AppleWebKit/534.51.22 (KHTML, like Gecko) Version/5.1.1 Safari/534.51.22",
"Mozilla/5.0 (iPhone; CPU iPhone OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Version/5.1 Mobile/9A5313e Safari/7534.48.3",
"Mozilla/5.0 (iPhone; CPU iPhone OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Version/5.1 Mobile/9A5313e Safari/7534.48.3",
"Mozilla/5.0 (iPhone; CPU iPhone OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Version/5.1 Mobile/9A5313e Safari/7534.48.3",
"Mozilla/5.0 (Windows NT 6.1) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.835.202 Safari/535.1",
"Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; SAMSUNG; OMNIA7)",
"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; XBLWP7; ZuneWP7)",
"Mozilla/5.0 (Windows NT 5.2) AppleWebKit/534.30 (KHTML, like Gecko) Chrome/12.0.742.122 Safari/534.30",
"Mozilla/5.0 (Windows NT 5.1; rv:5.0) Gecko/20100101 Firefox/5.0",
"Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.2; Trident/4.0; .NET CLR 1.1.4322; .NET CLR 2.0.50727; .NET4.0E; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729; .NET4.0C)",
"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; .NET4.0E; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729; .NET4.0C)",
"Mozilla/4.0 (compatible; MSIE 60; Windows NT 5.1; SV1; .NET CLR 2.0.50727)",
"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
"Opera/9.80 (Windows NT 5.1; U; zh-cn) Presto/2.9.168 Version/11.50",
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1)",
"Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; .NET CLR 2.0.50727; .NET CLR 3.0.04506.648; .NET CLR 3.5.21022; .NET4.0E; .NET CLR 3.0.4506.2152; .NET CLR 3.5.30729; .NET4.0C)",
"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/533.21.1 (KHTML, like Gecko) Version/5.0.5 Safari/533.21.1",
"Mozilla/5.0 (Windows; U; Windows NT 5.1; ) AppleWebKit/534.12 (KHTML, like Gecko) Maxthon/3.0 Safari/534.12",
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 2.0.50727; TheWorld)",
"Opera/9.80 (X11; Linux i686; Ubuntu/14.10) Presto/2.12.388 Version/12.16",
"Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14",
"Mozilla/5.0 (Windows NT 6.0; rv:2.0) Gecko/20100101 Firefox/4.0 Opera 12.14",
"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.0) Opera 12.14",
"Opera/12.80 (Windows NT 5.1; U; en) Presto/2.10.289 Version/12.02",
"Opera/9.80 (Windows NT 6.1; U; es-ES) Presto/2.9.181 Version/12.00",
"Opera/9.80 (Windows NT 5.1; U; zh-sg) Presto/2.9.181 Version/12.00",
"Opera/12.0(Windows NT 5.2;U;en)Presto/22.9.168 Version/12.00",
"Opera/12.0(Windows NT 5.1;U;en)Presto/22.9.168 Version/12.00",
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:40.0) Gecko/20100101 Firefox/40.1",
"Mozilla/5.0 (Windows NT 6.3; rv:36.0) Gecko/20100101 Firefox/36.0",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10; rv:33.0) Gecko/20100101 Firefox/33.0",
"Mozilla/5.0 (X11; Linux i586; rv:31.0) Gecko/20100101 Firefox/31.0",
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:31.0) Gecko/20130401 Firefox/31.0",
"Mozilla/5.0 (Windows NT 5.1; rv:31.0) Gecko/20100101 Firefox/31.0",
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:29.0) Gecko/20120101 Firefox/29.0",
"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:25.0) Gecko/20100101 Firefox/29.0",
"Mozilla/5.0 (X11; OpenBSD amd64; rv:28.0) Gecko/20100101 Firefox/28.0",
"Mozilla/5.0 (X11; Linux x86_64; rv:28.0) Gecko/20100101 Firefox/28.0",
"Mozilla/5.0 (Windows NT 6.1; rv:27.3) Gecko/20130101 Firefox/27.3",
"Mozilla/5.0 (Windows NT 6.2; Win64; x64; rv:27.0) Gecko/20121011 Firefox/27.0",
"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:25.0) Gecko/20100101 Firefox/25.0",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:25.0) Gecko/20100101 Firefox/25.0",
"Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:24.0) Gecko/20100101 Firefox/24.0",
"Mozilla/5.0 (Windows NT 6.0; WOW64; rv:24.0) Gecko/20100101 Firefox/24.0",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10.8; rv:24.0) Gecko/20100101 Firefox/24.0"
]
二、IP代理
除了通過同一個瀏覽器進行訪問，還可能出現(xiàn)的情況就是通過同一個IP不斷的訪問網(wǎng)址，這樣很容易造成整個IP被封，個人的IP還好，如果一個公司的IP都不能訪問某個網(wǎng)站，那將會是怎樣的效果就不用多說了吧。
對于IP來說除了需要控制IP地址的變更之外，還要控制訪問速度，畢竟程序快起來是不眨眼的。
Python使用IP代理的方式如下：
import requests
proxies = {"http": 'IP地址'}
requests.get(url, headers=headers, proxies=proxies)
注：關(guān)于代理IP去哪找的問題，網(wǎng)上一搜一大把，我們放心大膽的使用就可以了。
控制訪問頻率使用time模塊即可：
import time time.sleep(5)
三、Cookies模擬
有很多時候我們訪問網(wǎng)址會遇到403錯誤，一般這種情況表示無權(quán)訪問請求的資源，通常在沒有設(shè)置cookie或是沒有設(shè)置正確的cookie會導致這個錯誤。cookie的存在就像是一個網(wǎng)址的通行證，你會發(fā)現(xiàn)在你登陸和未登陸網(wǎng)頁的時候cookie是會發(fā)生變化的。
手動獲取cookie
我們可以通過和獲取user-agent一樣的方式來手動獲取cookie：
自動獲取cookie
我們使用session方法就能夠?qū)崿F(xiàn)自動獲取cookie了
示例代碼如下：
import requests
session = requests.session()
session.cookies = LWPCookieJar(filename='Cookies.txt')
def login():
name = input("輸入賬戶:")
password = input("輸入密碼:")
url = "url"
data = {
"ck": "",
"name": name,
"password": password,
"remember": "True",
"ticket": "",
}
response = session.post(url, data=data)
print(response.text)
session.cookies.save() # 保存 cookie
這樣我們的cookie就能夠得以保存了。
使用session加載cookie的方式如下：
session.cookies = LWPCookieJar(filename='Cookies.txt') session.cookies.load(ignore_discard=True)
使用cookies
當我們有了cookies時，使用起來就簡單很多了，直接使用和加載user-agent一樣的方式即可。
headers = {
'Referer': '具體的Referer',
'User-Agent': '具體的user-agent',
'Cookie': 'cookie'
}
requests.get(url,headers=headers)
對于反爬的一些基礎(chǔ)操作就介紹完了更多關(guān)于Python爬蟲和反爬技術(shù)的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
python多線程多并發(fā)啟動appium服務的實現(xiàn)
使用Dos命令或者bat批處理來手動啟動appium服務,啟動效率低下,本文主要介紹了python多線程多并發(fā)啟動appium服務的實現(xiàn),具有一定的 參考價值,感興趣的可以了解一下2024-02-02
本文是利用python腳本寫的簡單測試主機是否存活，此腳本有個缺點不適用線上，由于網(wǎng)絡延遲、丟包現(xiàn)象會造成誤報郵件，感興趣的朋友一起看看Python監(jiān)控主機是否存活并以郵件報警吧2015-09-09
python如何用columns參數(shù)獲取DataFrame各列的表頭名
這篇文章主要介紹了python如何用columns參數(shù)獲取DataFrame各列的表頭名問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-03-03
詳解python websocket獲取實時數(shù)據(jù)的幾種常見鏈接方式
這篇文章主要介紹了詳解python websocket獲取實時數(shù)據(jù)的幾種常見鏈接方式，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-07-07
這篇文章主要為大家詳細介紹了python Django批量導入數(shù)據(jù)的相關(guān)資料感興趣的小伙伴們可以參考一下2016-03-03
這篇文章主要為大家介紹了python中模塊導入的方式，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-10-10
這篇文章主要介紹了python刪除列表中特定元素的幾種方法，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價價值，需要的小伙伴可以參考一下2022-05-05
PyCharm添加Anaconda中的虛擬環(huán)境Python解釋器出現(xiàn)Conda?executable?is?not
這篇文章主要給大家介紹了關(guān)于PyCharm添加Anaconda中的虛擬環(huán)境Python解釋器出現(xiàn)Conda?executable?is?not?found錯誤的解決辦法,文中通過圖文介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2023-02-02
這篇文章主要為大家詳細介紹了python機器學習實戰(zhàn)之K均值聚類，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-12-12
Python利用Beautiful Soup模塊創(chuàng)建對象詳解
這篇文章主要介紹了Python利用Beautiful Soup模塊創(chuàng)建對象的相關(guān)資料，文中介紹的非常詳細，相信對大家具有一定的參考價值，需要的朋友們下面來一起看看吧。2017-03-03