python 常见的反爬虫策略

作者:松鼠爱吃饼干 时间:2022-12-17 21:51:54 

1、判断请求头来进行反爬

这是很早期的网站进行的反爬方式

User-Agent 用户代理
referer 请求来自哪里
cookie 也可以用来做访问凭证
解决办法:请求头里面添加对应的参数(复制浏览器里面的数据)

2、根据用户行为来进行反爬

请求频率过高,服务器设置规定时间之内的请求阈值
解决办法:降低请求频率或者使用代理(IP代理)
网页中设置一些陷阱(正常用户访问不到但是爬虫可以访问到)
解决办法:分析网页,避开这些特殊陷阱
请求间隔太短,返回相同的数据
解决办法:增加请求间隔

3、js加密

反爬方式中较为难处理的一类。
js加密的原理:服务器响应给浏览器的js文件,可以动态的生成一些加密参数,浏览器会根据js的计算 得到这些参数,在请求中带入进来,如果请求中没有这些参数,那么服务器就任务请求无效。

python 常见的反爬虫策略

4、字体加密

字体反爬,是一种常见的反爬技术,网站采用了自定义的字体文件,在浏览器上正常显示,但是爬虫抓取下来的数据要么就是乱码,要么就是变成其他字符。采用自定义字体文件是CSS3的新特性,熟悉前端的同学可能知道,就是font-face属性。

python 常见的反爬虫策略

5、登录验证码

使用Python爬取网页内容时往往会遇到使用验证码登陆才能访问其网站,不同网站的使用的验证码也不同,在最开始使用简单验证码,识别数字,但是随着反爬的不断发展,慢慢设计出了更多复杂的验证码,比如:内容验证码、滑动验证码、图片拼接验证码等等。
网上有很多打码平台,通过注册账号,调用平台接口,进行验证码的验证。

python 常见的反爬虫策略

6、md5相关知识

MD5,消息摘要算法,一种被广泛使用的密码散列函数,可以产生出一个128位(16字节)的散列值(hash value),用于确保信息传输完整一致。MD5是最常见的摘要算法,速度很快,生成结果是固定的128 bit字节,通常用一个32位的16进制字符串表示。MD5的特点:
1.不可逆:不能从密文推导出明文。
2.不管明文长度为多少,密文的长度都固定。
3.密文之间不会重复。


import hashlib
print(hashlib.md5('python'.encode()).hexdigest())

字符串python加密后的结果:

23eeeb4347bdd26bfc6b7ee9a3b755dd

7、base64

Base64是网络上最常见的用于传输8Bit字节码的编码方式之一,Base64就是一种基于64个可打印字符来表示二进制数据的方法。Base64编码是从二进制到字符的过程,可用于在HTTP环境下传递较长的标识信息。采用Base64编码具有不可读性,需要解码后才能阅读。


import base64

#python中base64的加密
print(base64.b64encode('python'.encode()).decode())
#python中base64的解密
print(base64.b64decode('Y2hpbmE='.encode()).decode())

结果:

cHl0aG9u
china

二、验证码验证

自己动手看验证码(古诗词网)


import requests

url = "gushiwen.org"

session = requests.Session()

text = session.get(url).text

# 解析响应,找到验证码的图片地址,
# 下载验证码图片,保存
with open('code.jpg', 'wb')as f:
 f.write('验证码的url地址'.encode())

code = input('验证码是: ')

login_url = "login.com"

data = {
 "username": 'xx',
 "password": 'xx',
 "code": code
}
requests.post(url, data=data)

使用打码平台(图鉴)

新建一个captcha_api.py


import json
import requests
import base64
from io import BytesIO
from PIL import Image
from sys import version_info

def base64_api(uname, pwd, img):
 img = img.convert('RGB')
 buffered = BytesIO()
 img.save(buffered, format="JPEG")
 if version_info.major >= 3:
   b64 = str(base64.b64encode(buffered.getvalue()), encoding='utf-8')
 else:
   b64 = str(base64.b64encode(buffered.getvalue()))
 data = {"username": uname, "password": pwd, "image": b64}
 result = json.loads(requests.post("http://api.ttshitu.com/base64", json=data).text)
 if result['success']:
   return result["data"]["result"]
 else:
   return result["message"]
 return ""

def request_captcha(uname, pwd, img_path):
 img_path = img_path # 待验证的验证码路径
 img = Image.open(img_path)
 result = base64_api(uname, pwd, img)
 # 传入账号 密码 和图片
 print(result)

新建use_code.py,调用接口


img_path = '图片路径'

from captcha_api import request_captcha

ret = request_captcha("账号", "密码", img_path)

来源:https://www.cnblogs.com/hhh188764/p/13610854.html

标签:python,爬虫,反爬虫
0
投稿

猜你喜欢

  • Django DRF认证组件流程实现原理详解

    2021-01-03 08:48:49
  • 使用Python的Flask框架构建大型Web应用程序的结构示例

    2022-05-01 01:35:35
  • Python干货实战之逆向登录世界上最大的游戏平台Stream

    2023-05-13 11:25:19
  • 在flash中使用XML动态菜单

    2007-09-06 19:16:00
  • Python基础进阶之海量表情包多线程爬虫功能的实现

    2022-03-19 11:52:13
  • SQL Server中的SQL语句优化与效率问题

    2024-01-20 05:26:57
  • ASP动态包含文件的改进方法

    2009-01-05 12:22:00
  • python读取hdfs并返回dataframe教程

    2022-03-22 17:15:33
  • JS加载器如何动态加载外部js文件

    2024-04-16 08:47:06
  • 如何用ASP.NET连接MS SQLServer数据库?

    2010-06-11 19:27:00
  • mysql8.0.0 winx64.zip解压版安装配置教程

    2024-01-12 23:38:27
  • Python利用正则表达式从字符串提取数字

    2021-03-22 22:52:39
  • Pandas 稀疏数据结构的实现

    2022-01-29 15:08:32
  • python生成lmdb格式的文件实例

    2021-07-18 21:57:05
  • 用Python编写简单的gRPC服务的详细过程

    2023-07-22 13:41:39
  • python中栈的原理及实现方法示例

    2023-05-01 02:54:33
  • 8种Python异常检测算法总结

    2021-02-26 20:30:35
  • Python Django中间件,中间件函数,全局异常处理操作示例

    2022-02-18 20:21:40
  • 微信小程序去哪里找 小程序到底如何使用(附小程序名单)

    2024-05-03 15:07:40
  • python读写ini配置文件方法实例分析

    2022-10-09 22:02:28
  • asp之家 网络编程 m.aspxhome.com