网站反爬虫策略
1.通过User-Agent校验反爬
2.通过访问频度反爬
3.通过验证码校验反爬
4.通过变换网页结构反爬
5.通过账号权限反爬
反反爬虫策略制定
1.发送模拟User-Agent:通过发送模拟User-Agent来通过验证,将要发送至网站服务器的请求的User-Agent值伪装成一啊不能用户登陆网站时使用的User-Agent值
2.调整访问频度
通过备用IP测试网站的访问频率阈值,然后设置访问频率比阈值略低。这种方法既能保证爬取的稳定性,又能使效率又不至于过低
3.通过验证码校验:使用IP代理,更换爬虫IP;通过算法识别验证码;使用cookie绕过验证码
应对网站
4.应对网站结构变化:只爬取一次时,在其网站结构调整之前,将需要的数据全部爬取下来;使用脚本对网站结构进行监测,结构变化时,发出告警并及时停止爬虫。
5.通过账号权限限制:通过模拟登录的方法进行规避,往往也需要通过验证码验证
6.通过代理IP规避:通过代理进行IP更换可有效规避网站检测,需注意公网IP代理池是网站重点检测对象。