验证码
验证码和爬虫之间的爱恨情仇
反爬机制:验证码,识别验证码图片中的数据,用于模拟登陆操作。
识别验证码的操作:
- 人工肉眼操作
- tesserocr库/tesseract库
- 第三方自动识别
cookie
http/https协议特性:无状态
cookie:用来让服务器端记录客户端的相关状态
cookie来源:模拟登录post请求后,由客户端创建
如果请求过程中产生了cookie,则该cookie会被自动存储、携带在该session对象中。
python使用session发送post请求
session.post(url=url, headers=headers, data=data)
关于cookie可以参考:Cookie、Session、AJAX、JSON
代理
代理: 破解封IP这种类型的反爬机制
作用:
- 突破自身IP访问限制
- 隐藏自身真是IP
可以参考:爬虫IP代理池代码记录
代理IP的类型:
- http
- https
代理IP的匿名度:
- 透明:服务器知道该次请求使用了代理,也知道真实请求的IP
- 匿名:知道了使用代理,不知道真实IP
- 高匿:不知道使用了代理,更不知道真实的IP