常见的反爬手段和解决思路

1. 明确反反爬的主要思路

反反爬的主要思路就是：尽可能的去模拟浏览器，浏览器在如何操作，代码中就如何去实现。浏览器先请求了地址url1，保留了cookie在本地，之后请求地址url2，带上了之前的cookie，代码中也可以这样去实现。

很多时候，爬虫中携带的headers字段，cookie字段，url参数，post的参数很多，不清楚哪些有用，哪些没用的情况下，只能够去尝试，因为每个网站都是不相同的。当然在盲目尝试之前，可以参考别人的思路，我们自己也应该有一套尝试的流程。

2.通过headers字段来反爬

2.1 通过headers中的User-Agent字段来反爬

通过User-Agent字段反爬的话，只需要给他在请求之前添加User-Agent即可，更好的方式是使用User-Agent池来解决,我们可以考虑收集一堆User-Agent的方式，或者是随机生成User-Agent

  1. import random
  3. def get_ua():
  4.     first_num = random.randint(55, 62)
  5.     third_num = random.randint(0, 3200)
  6.     fourth_num = random.randint(0, 140)
  7.     os_type = [
  8.         '(Windows NT 6.1; WOW64)', '(Windows NT 10.0; WOW64)', '(X11; Linux x86_64)',
  9.         '(Macintosh; Intel Mac OS X 10_12_6)'
  10.     ]
  11.     chrome_version = 'Chrome/{}.0.{}.{}'.format(first_num, third_num, fourth_num)
  13.     ua = ' '.join(['Mozilla/5.0', random.choice(os_type), 'AppleWebKit/537.36',
  14.                    '(KHTML, like Gecko)', chrome_version, 'Safari/537.36']
  15.                   )
  16.     return ua

2.2 通过referer字段或者是其他字段来反爬

例如豆瓣电视剧中，通过referer字段来反爬，我们只需要添加上即可

2.3 通过cookie来反爬

  • 如果目标网站不需要登录 每次请求带上前一次返回的cookie，比如requests模块的session

  • 如果目标网站需要登录 准备多个账号，通过一个程序获取账号对应的cookie，组成cookie池，其他程序使用这些cookie

3.通过js来反爬

3.1 通过js实现跳转来反爬

在请求目标网站的时候，我们看到的似乎就请求了一个网站，然而实际上在成功请求目标网站之前，中间可能有通过js实现的跳转，我们肉眼不可见，这个时候可以通过点击perserve log按钮实现观察页面跳转情况

在这些请求中，如果请求数量很多，一般来讲，只有那些response中带cookie字段的请求是有用的，意味着通过这个请求，对方服务器有设置cookie到本地

3.2 通过js生成了请求参数

对应的需要分析js，观察加密的实现过程，通过js2py获取js的执行结果，或者使用selenium来实现

3.3 通过js实现了数据的加密

对应的需要分析js，观察加密的实现过程，通过js2py获取js的执行结果，或者使用selenium来实现

4. 通过验证码来反爬

通过打码平台或者是机器学习的方法识别验证码，其中打码平台廉价易用，更值得推荐。

5. 通过ip地址来反爬

同一个ip大量请求了对方服务器，有更大的可能性会被识别为爬虫，对应的通过购买高质量的ip的方式能够解决问题

6. 其他的反爬方式

6.1 通过自定义字体来反爬

下图来自猫眼电影电脑版

使用字体来反爬.png

解决思路：切换到手机版

6.2 通过css来反爬

下图来自去哪儿电脑版
通过css反爬.png
解决思路：计算css的偏移