[[399747]]

大家好，我是鳥哥，今天給大家聊一聊爬蟲。

爬蟲偽裝的最高境界就是用代碼模擬人的真實操作，因為網(wǎng)站設計出來就是為了讓別人訪問的，掌握爬蟲的偽裝技巧，能夠讓大大提高我們爬蟲的成功率。

結合自身的經(jīng)驗，給大家介紹5種爬蟲偽裝的技巧，并把代碼模板奉上，希望能夠?qū)δ阌兴鶐椭?/p>

1.瀏覽器偽裝

因為網(wǎng)站服務器能夠很輕易的識別出訪問的來源瀏覽器，以requests請求為例，默認header頭數(shù)據(jù)中沒有瀏覽器信息，在與瀏覽器交互時簡直就是“裸奔”，所以我們可以加入“User-Agent”信息偽裝成真實瀏覽器，代碼如下：

import requests  
headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:88.0) Gecko/20100101 Firefox/88.0'}  #模擬成火狐瀏覽器 
response = requests.get("http://www.baidu.com",headers=headers)  #模擬請求url 

2.訪問地址偽裝

訪問地址指的是headers頭部中的reffer信息，那么它有什么作用呢?舉個例子解釋一下：

我在https://bj.meituan.com/里有一個https://waimai.meituan.com/鏈接，那么點擊這個https://waimai.meituan.com/，它的header信息里就有：Referer=https://bj.meituan.com/

那么可以利用這個來防止盜鏈，比如我只允許我自己的網(wǎng)站訪問我自己的圖片服務器

我們可以加入“reffer”信息偽裝訪問地址，代碼如下：

import requests  
headers={ 
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:88.0) Gecko/20100101 Firefox/88.0', 
    'reffer':'https://bj.meituan.com/'} 
response = requests.get("https://waimai.meituan.com/",headers=headers)  #模擬請求url 

3.ip地址偽裝

對于網(wǎng)絡中的反爬蟲策略來說，大多數(shù)都是根據(jù)單個IP的行為來判斷是不是網(wǎng)絡爬蟲的，例如，反爬蟲檢測到某個IP的訪問次數(shù)很多，或者是訪問的頻率很快，就會封禁這個IP。這時我們就要選擇代理IP來突破反爬蟲的機制，更穩(wěn)定的及逆行數(shù)據(jù)的爬取。python添加代理IP的代碼如下：

import requests  
proxies={'https':'101.236.54.97:8866'}  
headers={ 
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:88.0) Gecko/20100101 Firefox/88.0', 
    'reffer':'https://bj.meituan.com/'} 
response = requests.get("https://waimai.meituan.com/",headers=headers，proxies=proxies)  #模擬請求url 

代理IP可以自己去網(wǎng)上找免費的，但不太穩(wěn)定，也可去花錢買一些比較穩(wěn)定的。

4.偽裝訪問速率

真實用戶的訪問次數(shù)以及訪問規(guī)律是很穩(wěn)定的，并不會多次的訪問，所以我們要偽裝成真實的用戶來爬取數(shù)據(jù)，這樣反爬蟲機制就不會察覺，可以采用控制訪問頻率的方式，主要是隨機設置訪問時間，代碼如下：

import requests  
import time,random 
proxies={'https':'101.236.54.97:8866'}  
headers={ 
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:88.0) Gecko/20100101 Firefox/88.0', 
    'reffer':'https://bj.meituan.com/'} 
for i in range(10): 
    response = requests.get("https://waimai.meituan.com/",headers=headers，proxies=proxies)  #模擬請求url 
    time.sleep(random.uniform(1.1,5.4)) 

5.偽裝用戶真實信息

有些網(wǎng)頁是需要登錄后才會顯示數(shù)據(jù)，而cookie值會攜帶個人的登錄信息，在爬蟲中加入cookie值就能避免登錄的麻煩，例如知乎、京東等網(wǎng)站，加入方法如下：

import requests  
proxies={'https':'101.236.54.97:8866'}  
headers={ 
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:88.0) Gecko/20100101 Firefox/88.0', 
    'reffer':'https://bj.meituan.com/'} 
cookies='' 
response = requests.get("https://waimai.meituan.com/",headers=headers，proxies=proxies,,cookies=cookies)  #模擬請求url 

本文轉載自微信公眾號「python數(shù)據(jù)分析之禪 」，可以通過以下二維碼關注。轉載本文請聯(lián)系python數(shù)據(jù)分析之禪公眾號。