Python爬蟲反爬手段講解

反爬方式的種類

1、判斷請求頭來進行反爬

這是很早期的網站進行的反爬方式

• User-Agent 用戶代理
• referer 請求來自哪裡
• cookie 也可以用來做訪問憑證

解決辦法：請求頭裡面添加對應的參數（複製瀏覽器裡面的數據）

2、根據用戶行為來進行反爬

• 請求頻率過高，伺服器設置規定時間之內的請求閾值
  解決辦法：降低請求頻率或者使用代理（IP代理）
• 網頁中設置一些陷阱（正常用戶訪問不到但是爬蟲可以訪問到）
  解決辦法：分析網頁，避開這些特殊陷阱
• 請求間隔太短，返回相同的數據
  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：伺服器響應給瀏覽器的js文件，可以動態的生成一些加密參數，瀏覽器會根據js的計算 得到這些參數，在請求中帶入進來，如果請求中沒有這些參數，那麼伺服器就任務請求無效。

4、字體加密

字體反爬，是一種常見的反爬技術，網站採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據要麼就是亂碼，要麼就是變成其他字符。採用自定義字體文件是CSS3的新特性，熟悉前端的同學可能知道，就是font-face屬性。

5、登錄驗證碼

使用Python爬取網頁內容時往往會遇到使用驗證碼登陸才能訪問其網站，不同網站的使用的驗證碼也不同，在最開始使用簡單驗證碼，識別數字，但是隨著反爬的不斷發展，慢慢設計出了更多複雜的驗證碼，比如：內容驗證碼、滑動驗證碼、圖片拼接驗證碼等等。
網上有很多打碼平臺，通過註冊帳號，調用平臺接口，進行驗證碼的驗證。

6、md5相關知識

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

import hashlibprint(hashlib.md5(&39;.encode()).hexdigest())

字符串python加密後的結果：

23eeeb4347bdd26bfc6b7ee9a3b755dd

7、base64

Base64是網絡上最常見的用於傳輸8Bit字節碼的編碼方式之一，Base64就是一種基於64個可列印字符來表示二進位數據的方法。Base64編碼是從二進位到字符的過程，可用於在HTTP環境下傳遞較長的標識信息。採用Base64編碼具有不可讀性，需要解碼後才能閱讀。

import base6439;python&python中base64的解密print(base64.b64decode(&39;.encode()).decode())

結果：

cHl0aG9u
china

二、驗證碼驗證

自己動手看驗證碼(古詩詞網)

import requestsurl = &34;session = requests.Session()text = session.get(url).text  下載驗證碼圖片，保存with open(&39;, &39;)as f:    f.write(&39;.encode())code = input(&39;)login_url = &34;data = {    &34;: &39;,    &34;: &39;,    &34;: code}requests.post(url, data=data)

使用打碼平臺（圖鑑）

新建一個captcha_api.py

import jsonimport requestsimport base64from io import BytesIOfrom PIL import Imagefrom sys import version_infodef base64_api(uname, pwd, img):    img = img.convert(&39;)    buffered = BytesIO()    img.save(buffered, format=&34;)    if version_info.major >= 3:        b64 = str(base64.b64encode(buffered.getvalue()), encoding=&39;)    else:        b64 = str(base64.b64encode(buffered.getvalue()))    data = {&34;: uname, &34;: pwd, &34;: b64}    result = json.loads(requests.post(&34;, json=data).text)    if result[&39;]:        return result[&34;][&34;]    else:        return result[&34;]    return &34;def request_captcha(uname, pwd, img_path):    img_path = img_path    傳入帳號 密碼 和圖片    print(result)

新建use_code.py，調用接口

img_path = &39;from captcha_api import request_captcharet = request_captcha(&34;, &34;, img_path)