Python爬蟲反爬手段有哪些

這篇文章給大家分享的是有關Python爬蟲反爬手段有哪些的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

反爬方式的種類

1、判斷請求頭來進行反爬

這是很早期的網站進行的反爬方式

• User-Agent 用戶代理

• referer   請求來自哪里

• cookie   也可以用來做訪問憑證

解決辦法：請求頭里面添加對應的參數（復制瀏覽器里面的數據）

2、根據用戶行為來進行反爬

• 請求頻率過高，服務器設置規定時間之內的請求閾值  
  解決辦法：降低請求頻率或者使用代理（IP代理）

• 網頁中設置一些陷阱（正常用戶訪問不到但是爬蟲可以訪問到）  
  解決辦法：分析網頁，避開這些特殊陷阱

• 請求間隔太短，返回相同的數據
  解決辦法：增加請求間隔

3、js加密

反爬方式中較為難處理的一類。
js加密的原理：服務器響應給瀏覽器的js文件，可以動態的生成一些加密參數，瀏覽器會根據js的計算 得到這些參數，在請求中帶入進來，如果請求中沒有這些參數，那么服務器就任務請求無效。

4、字體加密

字體反爬，是一種常見的反爬技術，網站采用了自定義的字體文件，在瀏覽器上正常顯示，但是爬蟲抓取下來的數據要么就是亂碼，要么就是變成其他字符。采用自定義字體文件是CSS3的新特性，熟悉前端的同學可能知道，就是font-face屬性。

6、md5相關知識

MD5，消息摘要算法，一種被廣泛使用的密碼散列函數，可以產生出一個128位（16字節）的散列值（hash value），用于確保信息傳輸完整一致。MD5是最常見的摘要算法，速度很快，生成結果是固定的128 bit字節，通常用一個32位的16進制字符串表示。MD5的特點：
1.不可逆：不能從密文推導出明文。
2.不管明文長度為多少，密文的長度都固定。
3.密文之間不會重復。

import hashlib
print(hashlib.md5('python'.encode()).hexdigest())

字符串python加密后的結果：

23eeeb4347bdd26bfc6b7ee9a3b755dd

7、base64

Base64是網絡上最常見的用于傳輸8Bit字節碼的編碼方式之一，Base64就是一種基于64個可打印字符來表示二進制數據的方法。Base64編碼是從二進制到字符的過程，可用于在HTTP環境下傳遞較長的標識信息。采用Base64編碼具有不可讀性，需要解碼后才能閱讀。

import base64

#python中base64的加密
print(base64.b64encode('python'.encode()).decode())
#python中base64的解密
print(base64.b64decode('Y2hpbmE='.encode()).decode())

結果：

cHl0aG9u
china

二、驗證碼驗證

自己動手看驗證碼(古詩詞網)

import requests

url = "gushiwen.org"

session = requests.Session()

text = session.get(url).text

#  解析響應，找到驗證碼的圖片地址，
#  下載驗證碼圖片，保存
with open('code.jpg', 'wb')as f:
    f.write('驗證碼的url地址'.encode())

code = input('驗證碼是: ')

login_url = "login.com"

data = {
    "username": 'xx',
    "password": 'xx',
    "code": code
}
requests.post(url, data=data)

使用打碼平臺（圖鑒）

新建一個captcha_api.py

import json
import requests
import base64
from io import BytesIO
from PIL import Image
from sys import version_info


def base64_api(uname, pwd, img):
    img = img.convert('RGB')
    buffered = BytesIO()
    img.save(buffered, format="JPEG")
    if version_info.major >= 3:
        b64 = str(base64.b64encode(buffered.getvalue()), encoding='utf-8')
    else:
        b64 = str(base64.b64encode(buffered.getvalue()))
    data = {"username": uname, "password": pwd, "image": b64}
    result = json.loads(requests.post("http://api.ttshitu.com/base64", json=data).text)
    if result['success']:
        return result["data"]["result"]
    else:
        return result["message"]
    return ""


def request_captcha(uname, pwd, img_path):
    img_path = img_path  # 待驗證的驗證碼路徑
    img = Image.open(img_path)
    result = base64_api(uname, pwd, img)
    #  傳入賬號 密碼 和圖片
    print(result)

新建use_code.py，調用接口

img_path = '圖片路徑'

from captcha_api import request_captcha

ret = request_captcha("賬號", "密碼", img_path)

感謝各位的閱讀！關于“Python爬蟲反爬手段有哪些”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！