python反爬蟲怎么利用sleep間隔實現

這期內容當中小編將會給大家帶來有關python反爬蟲怎么利用sleep間隔實現，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

步驟

要利用headers拉動請求，模擬成瀏覽器去訪問網站，跳過最簡單的反爬蟲機制。

獲取網頁內容，保存在一個字符串content中。

構造正則表達式，從content中匹配關鍵詞pattern獲取下載鏈接。需要注意的是，網頁中的關鍵詞出現了兩遍（如下圖），所以我們要利用set()函數清除重復元素。

第三步是遍歷set之后的結果，下載鏈接。

設置time.sleep(t)，無sleep間隔的話，網站認定這種行為是攻擊，所以我們隔一段時間下載一個，反反爬蟲。

具體代碼

import urllib.request# url request
import re      # regular expression
import os      # dirs
import time
'''
url 下載網址
pattern 正則化的匹配關鍵詞
Directory 下載目錄
def BatchDownload(url,pattern,Directory):
   
  # 拉動請求，模擬成瀏覽器去訪問網站->跳過反爬蟲機制
  headers = {'User-Agent', 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36'}
  opener = urllib.request.build_opener()
  opener.addheaders = [headers]
  # 獲取網頁內容
  content = opener.open(url).read().decode('utf8')
  # 構造正則表達式，從content中匹配關鍵詞pattern
  raw_hrefs = re.findall(pattern, content, 0)
  # set函數消除重復元素
  hset = set(raw_hrefs)
     
  # 下載鏈接
  for href in hset:
    # 之所以if else 是為了區別只有一個鏈接的特別情況
    if(len(hset)>1):
      link = url + href[0]
      filename = os.path.join(Directory, href[0])
      print("正在下載",filename)
      urllib.request.urlretrieve(link, filename)
      print("成功下載！")
    else:
      link = url +href
      filename = os.path.join(Directory, href)
       
    # 無sleep間隔，網站認定這種行為是攻擊，反反爬蟲
    time.sleep(1)
 
#BatchDownload('https://www1.ncdc.noaa.gov/pub/data/swdi/stormevents/csvfiles/',
#       '(Storm-Data-Export-Format.docx)',
#       'E:\stormevents\csvfiles')
     
#       '(Storm-Data-Export-Format.pdf)',
#       '(StormEvents_details-ftp_v1.0_d(\d*)_c(\d*).csv.gz)',
#       '(StormEvents_fatalities-ftp_v1.0_d(\d*)_c(\d*).csv.gz)',
#       '(StormEvents_locations-ftp_v1.0_d(\d*)_c(\d*).csv.gz)',
#BatchDownload('https://www1.ncdc.noaa.gov/pub/data/swdi/stormevents/csvfiles/legacy/',
#       '(ugc_areas.csv)',
#       'E:\stormevents\csvfiles\legacy')

結果展示

為了讓大家能夠清楚的知道整個反爬過程，這里小編把思路和代碼都羅列了出來。其中可以time.sleep(t)解除網站對于爬蟲的阻攔問題，著重標記了出來

上述就是小編為大家分享的python反爬蟲怎么利用sleep間隔實現了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。