首页 > 网游 > 正文

热推荐：防止爬虫爬取的机制（教你如何防止爬虫爬抓取数据）

2023-02-03 10:32:42来源：互联网

事情是这样的

亚马逊是全球最大的购物平台

很多商品信息、用户评价等等都是最丰富的。

今天，手把手带大家，越过亚马逊的反爬虫机制

【资料图】

爬取你想要的商品、评论等等有用信息

反爬虫机制

但是，我们想用爬虫来爬取相关的数据信息时

像亚马逊、TBao、JD这些大型的购物商城

他们为了保护自己的数据信息，都是有一套完善的反爬虫机制的

先试试亚马逊的反爬机制

我们用不同的几个python爬虫模块，来一步步试探

最终，成功越过反爬机制。

一、urllib模块

代码如下：

# -*- coding:utf-8 -*-import urllib.requestreq = urllib.request.urlopen("https://www.amazon.com")print(req.code)复制代码

返回结果：状态码：503。

分析：亚马逊将你的请求，识别为了爬虫，拒绝提供服务。

本着科学严谨的态度，我们拿万人上的百度试一下。

返回结果：状态码 200

分析：正常访问

本着科学严谨的态度，我们拿万人上的百度试一下。

返回结果：状态码 200

分析：正常访问

代码如下 ↓ ↓ ↓

import requestsurl="https://www.amazon.com/KAVU-Rope-Bag-Denim-Size/product-reviews/xxxxxxx"web_header={"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:88.0) Gecko/20100101 Firefox/88.0","Accept": "*/*","Accept-Language": "zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2","Accept-Encoding": "gzip, deflate, br","Connection": "keep-alive","Cookie": "你的cookie值","TE": "Trailers"}r = requests.get(url,headers=web_header)print(r.status_code)复制代码

返回结果：状态码：200

分析：返回状态码是200了，正常了，有点爬虫那味了。

3、检查返回页面

我们通过requests+cookie的方法，得到的状态码为200

目前至少被亚马逊的服务器正常提供服务了

我们将爬取的页面写入文本中，通过浏览器打开。

我踏马…返回状态是正常了，但返回的是一个反爬虫的验证码页面。

还是被亚马逊给挡住了。

三、selenium自动化模块

相关selenium模块的安装

pip install selenium复制代码

代码中引入selenium，并设置相关参数

import osfrom requests.api import optionsfrom selenium import webdriverfrom selenium.webdriver.chrome.options import Options#selenium配置参数options = Options()#配置无头参数,即不打开浏览器options.add_argument("--headless")#配置Chrome浏览器的selenium驱动 chromedriver="C:/Users/pacer/AppData/Local/Google/Chrome/Application/chromedriver.exe"os.environ["webdriver.chrome.driver"] = chromedriver#将参数设置+浏览器驱动组合browser = webdriver.Chrome(chromedriver,chrome_options=options)复制代码

测试访问

url = "https://www.amazon.com"print(url)#通过selenium来访问亚马逊browser.get(url)复制代码

返回结果：状态码：200

分析：返回状态码是200了，访问状态正常，我们再看看爬到的网页信息。

将网页源码保存到本地

#将爬取到的网页信息，写入到本地文件fw=open("E:/amzon.html","w",encoding="utf-8")fw.write(str(browser.page_source))browser.close()fw.close()复制代码

打开我们爬取的本地文件，查看，

我们已经成功越过了反爬虫机制，进入到了Amazon的首页

结局

通过selenium模块，我们可以成功的越过

亚马逊的反爬虫机制。

下一篇：我们继续介绍，如何来爬取亚马逊的数十万商品信息及评论。

标签：

热推荐：防止爬虫爬取的机制（教你如何防止爬虫爬抓取数据）

事情是这样的

反爬虫机制

先试试亚马逊的反爬机制

一、urllib模块

三、selenium自动化模块

结局

相关阅读

精彩推荐

阅读排行

相关词

推荐阅读