Python爬虫与反爬虫大战

爬虫与发爬虫的厮杀，一方为了拿到数据，一方为了防止爬虫拿到数据，谁是的赢家？

重新理解爬虫中的一些概念

• 爬虫:自动获取网站数据的程序
• 反爬虫使用技术手段防止爬虫程序爬取数据
• 误伤反爬虫技术将普通用户识别为爬虫，这种情况多出现在封ip中，例如学校网络、小区网络再或者网络网络都是共享一个公共ip，这个时候如果是封ip就会导致很多正常访问的用户也无法获取到数据。所以相对来说封ip的策略不是特别好，通常都是禁止某ip一段时间访问。
• 成本反爬虫也是需要人力和机器成本
• 拦截成功拦截爬虫，一般拦截率越高，误伤率也就越高

反爬虫的目的

• 初学者写的爬虫简单粗暴，不管对端服务器的压力，甚至会把网站爬挂掉了
• 数据保护很多的数据对某些公司网站来说是比较重要的不电脑维修网希望被别人爬取
• 商业竞争问题这里举个例子是关于京东和天猫，假如京东内部通过程序爬取天猫所有的商品信息，从而做对应策略这样对天猫来说就造成了非常大的竞争

爬虫与反爬虫大战

上有政策下有对策，下面整理了常见的爬虫大战策略