注册
登录
提问时间:2018/4/15 17:25:14    楼主:未知网友   阅读量:519

“封IP是不可能封IP的,这辈子都不可能封IP的,左手高匿代理IP,右手优质爬虫程序,没有什么能够阻挡,我对高效工作的向往”,一个爬虫工作者如此骄傲的说。然而,理想很丰满,现实很骨感,爬不过三秒,提示错误:已被识别为爬虫。

他很郁闷,他问我:是不是我本机IP被泄露了,是不是你们IP有问题。我说,您需要研究下对方的反爬虫策略。他说:我不需要反爬虫,我有代理IP,我有优质程序,为什么会不成功。

我无言以对,只好让他用浏览器设置代理IP做测试访问目标网站,结果是正常的,他这才明白,原来爬虫没有那么简单。

对于没有反爬虫策略的目标网站来说,爬虫其实很简单,对于有着比较复杂的反爬虫策略的目标网站来说,爬虫并没有那么简单,而对于反爬虫策略不断升级的目标网站来说,爬虫策略也得跟着不断升级,否则只能淘汰出局。

什么是反爬虫策略呢?这是目标网站为了缓解服务器压力阻止爬虫无休止的请求服务器,影响到正常的用户访问网站,同时也是为了防止爬虫爬取信息做些不利于自己的事情的一种策略。一般网站都会有反爬虫策略,毕竟服务器资源是有限的,不停的请求服务器,会造成服务器缓慢甚至崩溃,其他正常的用户访问网站就会打不开。

所以,爬虫策略要尽量的模拟用户正常的访问网站的行为,研究对方的反爬虫策略,然后通过使用代理IP,完成日常的爬虫工作。