第七章 反爬蟲機(jī)制

反爬蟲機(jī)制

標(biāo)簽(空格分隔): python scrapy


scrapy 架構(gòu)

useragent 用戶代理切換

  • fake-useragent

  • 用戶代理切換引用開源項(xiàng)目做處理

class RandomUserAgentMiddleware(object):
    # useragent代理切換
    def __init__(self,crawler):
        super(RandomUserAgentMiddleware,self).__init__
        self.ua = UserAgent()
        self.ua_type = crawler.settings.get('RANDOM_UA_TYPE','random')

    @classmethod
    def from_crawler(cls,crawler):
        return cls(crawler)

    def process_request(self,request,spider):
        def get_ua_type():
            return  getattr(self.ua,self.ua_type)
        request.headers.serdefault('User-Agent',get_ua_type())

IP代理

request.meta['proxy'] = 
# -*- coding: utf-8 -*-
__author__ = 'bobby'
import requests
from scrapy.selector import Selector
import MySQLdb

conn = MySQLdb.connect(host="127.0.0.1", user="root", passwd="root", db="article_spider", charset="utf8")
cursor = conn.cursor()


def crawl_ips():
    #爬取西刺的免費(fèi)ip代理
    headers = {"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:52.0) Gecko/20100101 Firefox/52.0"}
    for i in range(1568):
        re = requests.get("http://www.xicidaili.com/nn/{0}".format(i), headers=headers)

        selector = Selector(text=re.text)
        all_trs = selector.css("#ip_list tr")


        ip_list = []
        for tr in all_trs[1:]:
            speed_str = tr.css(".bar::attr(title)").extract()[0]
            if speed_str:
                speed = float(speed_str.split("秒")[0])
            all_texts = tr.css("td::text").extract()

            ip = all_texts[0]
            port = all_texts[1]
            proxy_type = all_texts[5]

            ip_list.append((ip, port, proxy_type, speed))

        for ip_info in ip_list:
            cursor.execute(
                "insert proxy_ip(ip, port, speed, proxy_type) VALUES('{0}', '{1}', {2}, 'HTTP')".format(
                    ip_info[0], ip_info[1], ip_info[3]
                )
            )

            conn.commit()


class GetIP(object):
    def delete_ip(self, ip):
        #從數(shù)據(jù)庫中刪除無效的ip
        delete_sql = """
            delete from proxy_ip where ip='{0}'
        """.format(ip)
        cursor.execute(delete_sql)
        conn.commit()
        return True

    def judge_ip(self, ip, port):
        #判斷ip是否可用
        http_url = "http://www.baidu.com"
        proxy_url = "http://{0}:{1}".format(ip, port)
        try:
            proxy_dict = {
                "http":proxy_url,
            }
            response = requests.get(http_url, proxies=proxy_dict)
        except Exception as e:
            print ("invalid ip and port")
            self.delete_ip(ip)
            return False
        else:
            code = response.status_code
            if code >= 200 and code < 300:
                print ("effective ip")
                return True
            else:
                print  ("invalid ip and port")
                self.delete_ip(ip)
                return False


    def get_random_ip(self):
        #從數(shù)據(jù)庫中隨機(jī)獲取一個(gè)可用的ip
        random_sql = """
              SELECT ip, port FROM proxy_ip
            ORDER BY RAND()
            LIMIT 1
            """
        result = cursor.execute(random_sql)
        for ip_info in cursor.fetchall():
            ip = ip_info[0]
            port = ip_info[1]

            judge_re = self.judge_ip(ip, port)
            if judge_re:
                return "http://{0}:{1}".format(ip, port)
            else:
                return self.get_random_ip()



# print (crawl_ips())
if __name__ == "__main__":
    get_ip = GetIP()
    get_ip.get_random_ip()
  • 采用爬取西刺ip進(jìn)行
  • 采用官方scrapy-crawlera
  • 采用tor+vpn

云打碼

  • 在線打碼
import json
import requests

class YDMHttp(object):
    apiurl = 'http://api.yundama.com/api.php'
    username = ''
    password = ''
    appid = ''
    appkey = ''

    def __init__(self, username, password, appid, appkey):
        self.username = username
        self.password = password
        self.appid = str(appid)
        self.appkey = appkey

    def balance(self):
        data = {'method': 'balance', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey}
        response_data = requests.post(self.apiurl, data=data)
        ret_data = json.loads(response_data.text)
        if ret_data["ret"] == 0:
            print ("獲取剩余積分", ret_data["balance"])
            return ret_data["balance"]
        else:
            return None

    def login(self):
        data = {'method': 'login', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey}
        response_data = requests.post(self.apiurl, data=data)
        ret_data = json.loads(response_data.text)
        if ret_data["ret"] == 0:
            print ("登錄成功", ret_data["uid"])
            return ret_data["uid"]
        else:
            return None

    def decode(self, filename, codetype, timeout):
        data = {'method': 'upload', 'username': self.username, 'password': self.password, 'appid': self.appid, 'appkey': self.appkey, 'codetype': str(codetype), 'timeout': str(timeout)}
        files = {'file': open(filename, 'rb')}
        response_data = requests.post(self.apiurl, files=files, data=data)
        ret_data = json.loads(response_data.text)
        if ret_data["ret"] == 0:
            print ("識(shí)別成功", ret_data["text"])
            return ret_data["text"]
        else:
            return None

if __name__ == "__main__":
    # 用戶名
    username = 'da_ge_da1'
    # 密碼
    password = 'da_ge_da'
    # 軟件ID跌前,開發(fā)者分成必要參數(shù)。登錄開發(fā)者后臺(tái)【我的軟件】獲得!
    appid = 3129
    # 軟件密鑰只泼,開發(fā)者分成必要參數(shù)。登錄開發(fā)者后臺(tái)【我的軟件】獲得!
    appkey = '40d5ad41c047179fc797631e3b9c3025'
    # 圖片文件
    filename = 'getimage.jpg'
    # 驗(yàn)證碼類型库说,# 例:1004表示4位字母數(shù)字嘲叔,不同類型收費(fèi)不同。請(qǐng)準(zhǔn)確填寫,否則影響識(shí)別率萝衩。在此查詢所有類型 http://www.yundama.com/price.html
    codetype = 1004
    # 超時(shí)時(shí)間,秒
    timeout = 60
    # 檢查
    if (username == 'username'):
        print ('請(qǐng)?jiān)O(shè)置好相關(guān)參數(shù)再測(cè)試')
    else:
        # 初始化
        yundama = YDMHttp(username, password, appid, appkey)

        # 登陸云打碼
        uid = yundama.login();
        print ('uid: %s' % uid)

        # 查詢余額
        balance = yundama.balance();
        print ('balance: %s' % balance)

        # 開始識(shí)別,圖片路徑无牵,驗(yàn)證碼類型ID墙懂,超時(shí)時(shí)間(秒)旅挤,識(shí)別結(jié)果
        text = yundama.decode(filename, codetype, timeout);


  • 原視頻UP主慕課網(wǎng)(聚焦Python分布式爬蟲必學(xué)框架Scrapy 打造搜索引擎)
  • 本篇博客撰寫人: XiaoJinZi 個(gè)人主頁 轉(zhuǎn)載請(qǐng)注明出處
  • 學(xué)生能力有限 附上郵箱: 986209501@qq.com 不足以及誤處請(qǐng)大佬指責(zé)
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末磺平,一起剝皮案震驚了整個(gè)濱河市睁搭,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖亲族,帶你破解...
    沈念sama閱讀 222,378評(píng)論 6 516
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異擎颖,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)搪柑,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,970評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來火惊,“玉大人尸疆,你說我怎么就攤上這事症革∠勰叮” “怎么了?”我有些...
    開封第一講書人閱讀 168,983評(píng)論 0 362
  • 文/不壞的土叔 我叫張陵老翘,是天一觀的道長芹啥。 經(jīng)常有香客問我锻离,道長,這世上最難降的妖魔是什么叁征? 我笑而不...
    開封第一講書人閱讀 59,938評(píng)論 1 299
  • 正文 為了忘掉前任纳账,我火速辦了婚禮,結(jié)果婚禮上捺疼,老公的妹妹穿的比我還像新娘疏虫。我一直安慰自己,他們只是感情好啤呼,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,955評(píng)論 6 398
  • 文/花漫 我一把揭開白布卧秘。 她就那樣靜靜地躺著,像睡著了一般官扣。 火紅的嫁衣襯著肌膚如雪翅敌。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,549評(píng)論 1 312
  • 那天惕蹄,我揣著相機(jī)與錄音蚯涮,去河邊找鬼。 笑死卖陵,一個(gè)胖子當(dāng)著我的面吹牛遭顶,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播泪蔫,決...
    沈念sama閱讀 41,063評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼棒旗,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了撩荣?” 一聲冷哼從身側(cè)響起铣揉,我...
    開封第一講書人閱讀 39,991評(píng)論 0 277
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎餐曹,沒想到半個(gè)月后逛拱,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,522評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡台猴,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,604評(píng)論 3 342
  • 正文 我和宋清朗相戀三年橘券,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片卿吐。...
    茶點(diǎn)故事閱讀 40,742評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡旁舰,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出嗡官,到底是詐尸還是另有隱情箭窜,我是刑警寧澤,帶...
    沈念sama閱讀 36,413評(píng)論 5 351
  • 正文 年R本政府宣布衍腥,位于F島的核電站磺樱,受9級(jí)特大地震影響纳猫,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜竹捉,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,094評(píng)論 3 335
  • 文/蒙蒙 一芜辕、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧块差,春花似錦侵续、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,572評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至鹉动,卻和暖如春轧坎,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背泽示。 一陣腳步聲響...
    開封第一講書人閱讀 33,671評(píng)論 1 274
  • 我被黑心中介騙來泰國打工缸血, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人械筛。 一個(gè)月前我還...
    沈念sama閱讀 49,159評(píng)論 3 378
  • 正文 我出身青樓捎泻,卻偏偏與公主長得像,于是被迫代替她去往敵國和親变姨。 傳聞我的和親對(duì)象是個(gè)殘疾皇子族扰,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,747評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容

  • 爬蟲文章 in 簡(jiǎn)書程序員專題: like:128 - Python 爬取落網(wǎng)音樂 like:127 - 【圖文詳...
    treelake閱讀 29,560評(píng)論 33 638
  • 爬蟲文章 in 簡(jiǎn)書程序員專題: like:128-Python 爬取落網(wǎng)音樂 like:127-【圖文詳解】py...
    喜歡吃栗子閱讀 21,760評(píng)論 4 411
  • 有條件的請(qǐng)支持慕課實(shí)戰(zhàn)正版課程厌丑,本blog僅僅是歸納總結(jié)定欧,自用。 一怒竿、爬蟲與反爬蟲基本概念 誤傷:由于學(xué)校砍鸠、網(wǎng)吧等...
    youyuge閱讀 15,112評(píng)論 1 27
  • 悶熱潮濕的日子 5月看不到花朵的雨季 追溯3年前 就這么憧憬著就這么為了延續(xù)了自己的夢(mèng)想 開始了 開始了 考試了 ...
    Shawn19閱讀 258評(píng)論 0 2
  • 初入演藝圈【四】 等待拍戲的時(shí)候朦肘,處處皆風(fēng)景饭弓。 我是初入行的小學(xué)生,一切都要學(xué)習(xí)媒抠〉芏希看看道具如何置景,一桌一椅都有擺...
    王一凡上海閱讀 221評(píng)論 0 0