Python如何应对常见的网站反爬虫机制？

本文共计1190个文字，预计阅读时间需要5分钟。

1. 判断请求头部进行反爬虫 这是早期网站进行反爬虫的常见方式。 方法：检查User-Agent、用户代理、Referer、请求来源、Cookie等头部信息。 解决方案：在请求头部中添加相应的参数，模仿浏览器行为。

1、判断请求头来进行反爬

这是很早期的网站进行的反爬方式

User-Agent 用户代理
referer 请求来自哪里
cookie 也可以用来做访问凭证
解决办法：请求头里面添加对应的参数（复制浏览器里面的数据）

2、根据用户行为来进行反爬

请求频率过高，服务器设置规定时间之内的请求阈值
解决办法：降低请求频率或者使用代理（IP代理）
网页中设置一些陷阱（正常用户访问不到但是爬虫可以访问到）
解决办法：分析网页，避开这些特殊陷阱
请求间隔太短，返回相同的数据
解决办法：增加请求间隔

3、js加密

反爬方式中较为难处理的一类。
js加密的原理：服务器响应给浏览器的js文件，可以动态的生成一些加密参数，浏览器会根据js的计算 得到这些参数，在请求中带入进来，如果请求中没有这些参数，那么服务器就任务请求无效。

4、字体加密

字体反爬，是一种常见的反爬技术，网站采用了自定义的字体文件，在浏览器上正常显示，但是爬虫抓取下来的数据要么就是乱码，要么就是变成其他字符。采用自定义字体文件是CSS3的新特性，熟悉前端的同学可能知道，就是font-face属性。