首页 / 爬虫 / python网页爬虫开发之五-反爬

python网页爬虫开发之五-反爬

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python网页爬虫开发之五-反爬，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6112字，纯文字阅读大概需要9分钟。

内容图文

1、头信息检查是否频繁相同随机产生一个headers， #user_agent 集合 user_agent_list = [ ?'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' ? 'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', ?'Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50', ?'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50', ?'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)', ?'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)', ?'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1', ?'Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11', ?'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11', ?'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)', ?'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0', ?'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1', ] #随机选择一个 ?user_agent = random.choice(user_agent_list) #传递给header #headers = { 'User-Agent': user_agent } ------------另外一个例子------------- USER_AGENTS?=?[ ????"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)", ????"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)", ????"Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)", ????"Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)", ????"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)", ????"Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)", ????"Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)", ????"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)", ????"Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6", ????"Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1", ????"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0", ????"Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5", ????"Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6", ????"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11", ????"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20", ????"Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52", ????"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11", ????"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER", ????"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)", ????"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)", ????"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER", ????"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)", ????"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)", ????"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)", ????"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)", ????"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)", ????"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)", ????"Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1", ????"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1", ????"Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5", ????"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre", ????"Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0", ????"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11", ????"Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10" ]? ? def?get_header(): ????return?{ ????????'User-Agent':?random.choice(USER_AGENTS), ????????'Accept':?'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8', ????????'Accept-Language':?'en-US,en;q=0.5', ????????'Connection':?'keep-alive', ????????'Accept-Encoding':?'gzip, deflate', ????} ----------------------------
2、头信息的Referer #?对付“反盗链”(服务器会识别headers中的referer是不是它自己,如果不是则不响应),构建以下headers? headers =?{?"User-Agent":?"Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)",?"Referer":?"https://www.cnblogs.com"?}

内容总结

以上是互联网集市为您收集整理的python网页爬虫开发之五-反爬全部内容，希望文章能够帮你解决python网页爬虫开发之五-反爬所遇到的程序开发问题。如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/848621.html

来源：【匿名】

【上一篇】趣味实战！Python爬虫爬取丁香园用户主页（第一节）【下一篇】PHP使用swoole实现多线程爬虫

更多 ►

【python网页爬虫开发之五-反爬】教程文章相关的互联网学习教程文章

Forward团队-爬虫豆瓣top250项目-开发文档【代码】【图】

项目地址：https://github.com/xyhcq/top250 我在本次项目中负责写爬虫中对数据分析的一部分，根据马壮分析过的html，我来进一步写代码获取数据，具体的功能及实现方法我已经写在了注释里：首先，通过访问要爬的网站，并将网站保存在变量里，为下一步数据分析做准备def getData(html):# 分析代码信息，提取数据soup = BeautifulSoup(html, "html.parser")这时，如果我们print soup，是会在窗口上显示出网站的源代码的。先把第一部...

Forward团队-爬虫豆瓣top250项目-团队编程项目开发环境搭建过程【图】

需要python环境开发软件、开发环境安装：python2.7.5：安装pycharm（社区版）：原文：http://www.cnblogs.com/mazhuangmz/p/7574366.html

Python开发爬虫之BeautifulSoup解析网页篇：爬取安居客网站上北京二手房数据【代码】

目标：爬取安居客网站上前10页北京二手房的数据，包括二手房源的名称、价格、几室几厅、大小、建造年份、联系人、地址、标签等。网址为：https://beijing.anjuke.com/sale/BeautifulSoup官网：https://www.crummy.com/software/BeautifulSoup/直接上代码：import requests from bs4 import BeautifulSoupheaders={‘user-agent‘:‘Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0....

python分布式爬虫搭建开发环境（一）

目录：开发IDE----pycharm数据库--------mysql、redis、elasticsearch开发环境--virtualenvpycharm使用技巧:再设置里输入 interpreter 即可查看或者修改当前使用的python版本，输入keymap，可看查看当前快捷键原文：http://www.cnblogs.com/Mjonj/p/7636542.html

爬虫开发python工具包介绍（2）【代码】【图】

本文来自网易云社区作者：王涛可选参数我们一一介绍一下：参数释义示例params生成url中?号后面的查询Key=value示例1： >>>payload = {‘key1‘: ‘value1‘, ‘key2‘: ‘value2‘} >>>r = requests.get("http://httpbin.org/get", params=payload) 查看结果: >>> print(r.url)http://httpbin.org/get?key2=value2&key1=value1示例2：>>> param = ‘httpparams‘ >>> r = requests.get("http://httpbin.org/get",params=param) >>>...

尝试java开发搜索引擎爬虫【代码】【图】

大家应该也知道百度搜索结果都会有一个百度快照，这是通过缓存服务器调用出来的页面信息，这样我们就可以通过百度快照快速的浏览网页信息，那么这个缓存服务器跟爬虫又有什么联系么？我们来大致了解一下爬虫的基本原理（个人理解，有错误给予纠正）。首先搜索引擎是不会产生内容的，它的信息是通过爬虫把信息检索出来。爬虫通过域名URL获取到源代码，将页面内容存储到缓存服务器上同时建立索引。将下载下来的网页URL放进URL队列...

Python爬虫开发

1. 语法入门Python教程 2. 爬虫学习系列教程1）宁哥的小站https://github.com/lining0806/PythonSpiderNotes2）Python爬虫开发3）Python爬虫学习系列教程原文：http://www.cnblogs.com/yeahwell/p/6780096.html

Forward团队-爬虫豆瓣top250项目-模块开发过程【代码】

项目托管平台地址:https://github.com/xyhcq/top250 我负责将爬取到的信息写入到文件中。首先，先打开一个文件# 打开文件 f=open("top250.txt","w")然后在别的队员写的能够爬取出信息的代码上，加入将信息写入文件的的代码def getData(html):# 分析代码信息，提取数据soup = BeautifulSoup(html, "html.parser")# 找到第一个class属性值为grid_view的ol标签movieList=soup.find(‘ol‘,attrs={‘class‘:‘grid_view‘})# 找到所有...

网络应用开发和爬虫【代码】【图】

一、UDP协议编程　　编写UDP通信程序，发送端发送一个字符串“Hello world!”。接收端在计算机的5000端口进行接收，并显示接收内容，如果收到字符串bye（忽略大小写）则结束监听。首先启动一个命令提示符环境并运行接收端程序，这时接收端程序处于阻塞状态，接下来再启动一个新的命令提示符环境并运行发送端程序，此时会看到接收端程序继续运行并显示接收到的内容以及发送端程序所在计算机IP地址和占用的端口号。当发送端发送字符...

[Python3网络爬虫开发实战] 1.7.1-Charles的安装【图】

Charles是一个网络抓包工具，相比Fiddler，其功能更为强大，而且跨平台支持得更好，所以这里选用它来作为主要的移动端抓包工具。1. 相关链接官方网站：https://www.charlesproxy.com下载链接：https://www.charlesproxy.com/download2. 下载Charles我们可以在官网下载最新的稳定版本，如图1-43所示。可以发现，它支持Windows、Linux和Mac三大平台。图1-43 Charles下载页面直接点击对应的安装包下载即可，具体的安装过程这里不再赘述...

爬虫 - 相关标签

爬虫程序爬虫代理ip 爬虫代码爬虫工程师爬虫工具爬虫是什么爬虫原理

爬虫 - 最热教程

论Python爬虫与MySQL数据库交互的坑 Python爬虫实战教程：爬取网易新闻；爬...【Python爬虫实践】异步XHR爬取在线编...node爬虫进阶之——登录 Python3爬虫实例之网易云音乐爬虫 java网页爬虫正则表达式 c# – 尝试使用ZeroMQ构建分布式爬虫 Python爬虫抓取技术的门道，大师级总结 [Python] [爬虫] 1.批量政府网站的招投...Python爬虫入门【10】：电子书多线程爬...

首页 / 爬虫 / python网页爬虫开发之五-反爬

python网页爬虫开发之五-反爬

内容导读

内容图文

内容总结

内容备注

内容手机端

【python网页爬虫开发之五-反爬】教程文章相关的互联网学习教程文章

Forward团队-爬虫豆瓣top250项目-开发文档【代码】【图】

Forward团队-爬虫豆瓣top250项目-团队编程项目开发环境搭建过程【图】

Python开发爬虫之BeautifulSoup解析网页篇：爬取安居客网站上北京二手房数据【代码】

python分布式爬虫搭建开发环境（一）

爬虫开发python工具包介绍（2）【代码】【图】

尝试java开发搜索引擎爬虫【代码】【图】

Python爬虫开发

Forward团队-爬虫豆瓣top250项目-模块开发过程【代码】

网络应用开发和爬虫【代码】【图】

[Python3网络爬虫开发实战] 1.7.1-Charles的安装【图】

“最简单”的爬虫开发方法【代码】【图】

《python3网络爬虫开发实战》--Ajax数据爬取

开发网络爬虫应该如何选择爬虫框架？

[Python3网络爬虫开发实战] 1.2.6-aiohttp的安装

开发网络爬虫应该怎样选择爬虫框架？

PYTHON - 相关标签

爬虫 - 相关标签

开发 - 相关标签

爬虫 - 最新教程

爬虫 - 最热教程