如何反扒
作者：互联网
2 通过headers字段来反爬
headers中有很多字段，这些字段都有可能会被对方服务器拿过来进行判断是否为爬虫
2.1 通过headers中的User-Agent字段来反爬
- 反爬原理：爬虫默认情况下没有User-Agent
- 解决方法：请求之前添加User-Agent即可；更好的方式是使用User-Agent池来解决（收集一堆User-Agent的方式，或者是随机生成User-Agent）
2.2 通过referer字段或者是其他字段来反爬
- 反爬原理：爬虫默认情况下不会带上referer字段
- 解决方法：添加referer字段（例如豆瓣美剧爬虫，详见课程1.3.2小节）
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
普通的爬虫默认情况下无法执行js，获取js执行之后的结果，所以很多时候对方服务器会通过js的技术实现反爬
3.1 通过js实现跳转来反爬
- 反爬原理：js实现页面跳转，肉眼不可见
- 解决方法: 在chrome中点击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
- 反爬原理：js生成了请求参数
- 解决方法：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
- 反爬原理：js实现了数据的加密
- 解决方法：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
- 反爬原理：对方服务器通过弹出验证码强制验证用户浏览行为
- 解决方法：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
- 反爬原理：正常浏览器请求网站，速度不会太快，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
- 解决方法：对应的通过购买高质量的ip的方式能够解决问题
6 通过用户行为来反爬
- 反爬原理：通过浏览器请求数据，很多用户行为会在浏览器中是很容易实现或者无法实现.比如浏览器请求额外的图片地址，服务端进行记录，出现意味着不是爬虫(爬虫中不会主动请求图片)
- 解决方法：通过获取数据的情况来观察请求，寻找异常出现的可能请求
7 其他的反爬方式
7.1 通过自定义字体来反爬
解决思路：切换到手机版7.2 通过css来反爬
下图来自猫眼去哪儿电脑版
解决思路：计算css的偏移
标签：请求,反爬,通过,爬虫,js,如何,字段,反扒 来源： https://www.cnblogs.com/lab-zj/p/12166669.html