• 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？

  1. 登录注册（ POST 比 GET 更安全）
  2. 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：

    response = requests.post("http://www.baidu.com/", \
data = data,headers=headers)
    • 1.
    • 2.

  • data 的形式：字典

1.2 POST请求

思路分析

  1. 抓包确定请求的url地址

  2. 确定请求的参数

  3. 确定返回数据的位置

  4. 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

  1. 让服务器以为不是同一个客户端在请求

  2. 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：

    requests.get("http://www.baidu.com",  proxies = proxies)

  • proxies的形式：字典

  • 例如：

    proxies = { 
	"http": "http://12.34.56.79:9527", 
	"https": "https://12.34.56.79:9527", 
	}
    • 1.
    • 2.
    • 3.
    • 4.

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