大庆Python培训学校在家就能学的编程课程

大庆Python培训班高新区哪家好，欢迎咨询大庆达内Python培训班，IT培训选达内，17年专业IT培训机构，美国上市集团，开设IT培训班Java、python、大数据、linux、UI、会计等IT培训，泛IT培训和非IT培训共24大课程，了解更多相关培训课程欢迎咨询

一般网站从三个方面反爬虫：用户请求的Headers，用户行为，网站目录和数据加载方式。前两种比较容易遇到，大多数网站都从这些角度来反爬虫。第三种一些应用ajax的网站会采用，这样增大了爬取的难度（防止静态爬虫使用ajax技术动态加载页面）。

1、从用户请求的Headers反爬虫是常见的反爬虫策略

很多网站都会对Headers的User-Agent进行检测，还有一部分网站会对Referer进行检测。如果遇到了这类反爬虫机制，可以直接在爬虫中添加Headers，将浏览器的User-Agent复制到爬虫的Headers中：或者将Referer值修改为目标网站域名。

2、基于用户行为反爬虫

还有一部分网站是通过检测用户行为，例如同一IP短时间内多次访问同一页面，或者同一账户短时间内多次进行相同操作。大多数网站都是前一种情况，对于这种情况，使用IP代理就可以解决；对于第二种情况，可以在每次请求后随机间隔几秒再进行下一次请求。

3、动态页面的反爬虫

上述的几种情况大多都是出现在静态页面，还有一部分网站，我们需要爬取的数据是通过ajax请求得到，或者通过Java生成的。

解决方案：Selenium+PhantomJS。Selenium：自动化web测试解决方案，完全模拟真实的浏览器环境，完全模拟基本上所有的用户操作；PhantomJS：一个没有图形界面的浏览器。

常见的反爬策略主要有：

IP限制

UA限制

Cookie限制

资源随机化存储

动态加载技术

对应的反爬处理手段主要有：

IP代理池技术

用户代理池技术

Cookie保存与处理

自动触发技术

抓包分析技术+自动触发技术