- 作者简介: 985人工智能硕士、CSDN、稀土掘金双平台签约作者,CSDN专家博主&年度博客之星&人工智能领域优质创作者。欢迎与我交流学习~
1 使用requests发送POST请求
思考:哪些地方我们会用到POST请求?
- 登录注册( POST 比 GET 更安全)
- 需要传输大文本内容的时候( POST 请求对数据长度没有要求)
所以同样的,我们的爬虫也需要在这两个地方回去模拟浏览器发送post请求
1.1 requests发送post请求语法:
-
用法:
-
data 的形式:字典
1.2 POST请求
思路分析
-
抓包确定请求的url地址
-
确定请求的参数
-
确定返回数据的位置
-
模拟浏览器获取数据
在模拟登陆等场景,经常需要发送post请求,直接使用requests.post(url,data)
即可
2 使用代理
2.1 为什么要使用代理
-
让服务器以为不是同一个客户端在请求
-
防止我们的真实地址被泄露,防止被追究
2.2 代理的使用
-
用法:
-
proxies的形式:字典
-
例如:
2.3 代理IP的分类
根据代理ip的匿名程度,代理IP可以分为下面四类:
-
透明代理(Transparent Proxy):透明代理虽然可以直接“隐藏”你的IP地址,但是还是可以查到你是谁。
-
匿名代理(Anonymous Proxy):使用匿名代理,别人只能知道你用了代理,无法知道你是谁。
-
高匿代理(Elite proxy或High Anonymity Proxy):高匿代理让别人根本无法发现你是在用代理,所以是最好的选择。
在使用的使用,毫无疑问使用高匿代理效果最好
从请求使用的协议可以分为:
- http代理
- https代理
- socket代理等
不同分类的代理,在使用的时候需要根据抓取网站的协议来选择
2.4 代理IP使用的注意点
-
反反爬
使用代理ip是非常必要的一种
反反爬
的方式但是即使使用了代理ip,对方服务器任然会有很多的方式来检测我们是否是一个爬虫,比如:
-
一段时间内,检测IP访问的频率,访问太多频繁会屏蔽
-
检查Cookie,User-Agent,Referer等header参数,若没有则屏蔽
-
服务方购买所有代理提供商,加入到反爬虫数据库里,若检测是代理则屏蔽
所以更好的方式在使用代理ip的时候使用随机的方式进行选择使用,不要每次都用一个代理ip
-
-
代理ip池的更新
购买的代理ip很多时候大部分(超过60%)可能都没办法使用,这个时候就需要通过程序去检测哪些可用,把不能用的删除掉。
equests发送post请求使用requests.post方法,带上请求体,其中请求体需要时字典的形式,传递给data参数接收;在requests中使用代理,需要准备字典形式的代理,传递给proxies参数接收;不同协议的url地址,需要使用不同的代理去请求