学习常见的反爬虫手段,如验证码、限制访问频率等

  1. 验证码(CAPTCHA):用于识别机器人和自动化程序,可以通过以下方式实现:

    from PIL import Image
    import pytesseract

    读取验证码图片

    image = Image.open('captcha.png')

    使用pytesseract库进行验证码识别

    text = pytesseract.image_to_string(image)
    print(text)

  2. IP限制/访问频率限制:限制同一个IP地址或者同一个用户在一定时间内的请求次数,可以通过以下方式实现:

    import time

    限制每分钟最多5次请求

    MAX_REQUESTS_PER_MINUTE = 5

    获取当前时间戳

    current_time = time.time()

    判断该IP地址或用户在一分钟内的请求次数是否超过限制

    if redis_client.get(ip_address_or_user):
    num_requests = int(redis_client.get(ip_address_or_user))
    if num_requests >= MAX_REQUESTS_PER_MINUTE:
    return '请求超过限制'
    else:
    redis_client.set(ip_address_or_user, num_requests + 1, ex=60)
    else:
    redis_client.set(ip_address_or_user, 1, ex=60)

  3. User-Agent检测:判断请求中的User-Agent头部信息是否符合正常浏览器的标准,可以使用以下代码示例:

    import requests

    发起HTTP请求时设置User-Agent头部信息

    headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64) AppleWebkit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36'
    }

    发起请求

    response = requests.get(url, headers=headers)

  4. 动态加载数据:一些网站会使用JavaScript动态加载数据,可以使用Selenium或者Pyppeteer等自动化工具模拟用户操作来获取数据。示例代码如下:

    from selenium import webdriver

    使用Chrome浏览器驱动

    driver = webdriver.Chrome()

    打开网页

    driver.get(url)

    等待动态加载完成

    time.sleep(5)

    获取动态加载的数据

    data = driver.page_source

    关闭浏览器驱动

    driver.quit()

需要注意,使用反爬手段要遵守网站的规则和法律法规,不得进行非法活动。

本文由mdnice多平台发布

相关推荐
黑客笔记7 小时前
python小工具win7翻车事故现场
python
岁月宁静9 小时前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
benchmark_cc10 小时前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash
ZhengEnCi11 小时前
项目越写越乱?先别改架构:用一次目录重排 + 一份可复算的体检脚本把乱治住
python·架构·ai编程
Dmz丶12 小时前
前端转 AI 100 天 Day 45:阶段复盘——从“会调 API”到“做出 AI 产品”
python
Sakura_j_h_12 小时前
MCP SDK 2.0 实战:用 MCPServer 搭本地笔记检索服务
开发语言·笔记·python·qt·ai工具·mcp·mcpserver
QuZhengRong12 小时前
【AI】Agent 全栈进阶|AgentScope 沙箱源码解析
python·学习·ai·agent·沙箱
Eider199813 小时前
Python基础语法之并发相关3
开发语言·python
M--Y14 小时前
LangGraph 架构基石:持久化与运行控制
python·langchain·大模型·llm·持久化·langgraph
用户0190275816115 小时前
新浪财经 / 东方财富股票接口不稳、被限?稳定替代方案
python