天堂av免费 I av无码小缝喷白浆在线观看 I 欧美日韩一区在线播放 I 污黄瓜视频 I 色av色 I 亚洲加勒比少妇无码av I 久久人人97超碰国产精品 I 黑料网址成人免费观看 I 色鬼三级在线播放 I 2019久久久最新精品 I 国产成a人片在线观看视频 I 伊人精品久久久久中文字幕 I 日韩中出 I 亚洲第一欧美 I 火辣日本少妇 I 国产97av I 亚洲浮力影院 I 国产亚洲精品自在久久蜜tv I 黄色网址av I www.欧美色图.com I 碰碰精品 I 五月综合激情网 I 黄色片在线免费 I 精品久久久久久久久久ntr影视 I 日本黄色绿像 I 免费视频久久久久久久 I 久草在线视频看看 I 中文字幕国产在线观看 I 性色欲情网站iwww九文堂 I 偷拍对白清晰情侣视频 I 国产老头和老头xxxxx免费 I 麻豆精品在线 I 国产精伦一区二区三区 I 91麻豆精品国产91 I 一区二区三区在线视频看

×
新網 > 建站推廣 > 正文

關于網站的爬蟲機制

  • 作者：新網
  • 來源：新網
  • 瀏覽：100
  • 2018-02-24 17:14:44

網站的爬蟲就是由計算機自動與服務器交互獲取數據的工具，爬蟲的最基本就是get一個網頁的源代碼數據，如果更深入一些，就會出現和網頁進行POST交互，獲取服務器接收POST請求后返回的數據。

 網站的爬蟲就是由計算機自動與服務器交互獲取數據的工具，爬蟲的最基本就是get一個網頁的源代碼數據，如果更深入一些，就會出現和網頁進行POST交互，獲取服務器接收POST請求后返回的數據。

20170702102759694.jpg
<div>反爬及反反爬概念的不恰當舉例：
 
基于很多原因(如服務器資源，保護數據等)，很多網站是限制了爬蟲效果的。考慮一下，由人來充當爬蟲的角色，我們怎么獲取網頁源代碼?最常用的當然是右鍵源代碼。
 
網站屏蔽了右鍵，怎么辦?拿出我們做爬蟲中最有用的東西 F12，同時按下F12就可以打開了，在把人當作爬蟲的情況下，屏蔽右鍵就是反爬取策略，F12就是反反爬取的方式。
 
講講正式的反爬取策略：
 
事實上，在寫爬蟲的過程中一定出現過沒有返回數據的情況，這種時候也許是服務器限制了UA頭(user-agent)，這就是一種很基本的反爬取，只要發送請求的時候加上UA頭就可以了…是不是很簡單?
 
其實一股腦把需要不需要的Request Headers都加上也是一個簡單粗暴的辦法……
 
有沒有發現網站的驗證碼也是一個反爬取策略呢?為了讓網站的用戶能是真人，驗證碼真是做了很大的貢獻。隨驗證碼而來的，驗證碼識別出現了。
 
說到這，不知道是先出現了驗證碼識別還是圖片識別呢?
 
簡單的驗證碼現在識別起來是非常簡單的，網上有太多教程，包括稍微進階一下的去噪，二值，分割，重組等概念。
 
思考一些這種驗證碼應該怎么識別?這種時候去噪就派上了用處，根據驗證碼本身的特征，可以計算驗證碼的底色和字體之外的RGB值等，將這些值變成一個顏色，將字體留出。
 
在驗證碼的發展中，還算清晰的數字字母，簡單的加減乘除，網上有輪子可以用，有些難的數字字母漢字，也可以自己造輪子(比如上面)，但更多的東西，已經足夠寫一個人工智能了。
 
再加一個小提示：有的網站PC端有驗證碼，而手機端沒有。反爬取策略中比較常見的還有一種封IP的策略，通常是短時間內過多的訪問就會被封禁，這個很簡單，限制訪問頻率或添加IP代理池就OK了,當然，分布式也可以。
 
還有一種也可以算作反爬蟲策略的就是異步數據，隨著對爬蟲的逐漸深入，異步加載是一定會遇見的問題，解決方式依然是F12。
 
以上就是小編對于網站的爬蟲機制的解析。
 

免責聲明：本文內容由互聯網用戶自發貢獻自行上傳，本網站不擁有所有權，也不承認相關法律責任。如果您發現本社區中有涉嫌抄襲的內容，請發送郵件至：operations@xinnet.com進行舉報，并提供相關證據，一經查實，本站將立刻刪除涉嫌侵權內容。

免費咨詢獲取折扣

Loading