反爬手段以及应对的方法
限制IP
限制Cookie
概念
搜狗微信公众号文章的爬取
前言
weixin.sogou.com 是一个反爬极其严厉的站点。ip地址,cookie,验证码都有限制。尤其对cookie的限制
爬取 sogou.weixin.com 的 HTTP 请求的 Cookie 中,必须包含四个参数:SNUID 、SUID、ppinf 和ppmdig。
其中 SNUID 和 SUID 是访问 sogou.weixin.com 必须的,
而 ppinf 和 ppmdig 是访问后十页必须的。
对于禁封 Cookie,主要是禁封参数 SNUID。假如出现了验证码封禁,其实只是给你传送了一个新的参数 SNUID。
解决措施
构造一个 SNUID 参数池,当我们的请求返回的状态码是 302 时,我们就使用一个全新的请求头,这时我们就可以成功突破 Cookie 的封禁。