网络爬虫干货总结，这次比较全面!

我从五个方面介绍了利用 Python 进行网络爬虫开发的相关知识点和技巧：

1. 抓取
2. 解析
3. 存储
4. 反爬
5. 加速

目录

一、爬取

爬取的目标可以大致分为两类：网页、APP

对于网页，可以分为两种类别，即

• 服务端渲染
• 客户端渲染

对于APP，可以分为四类，即

• 普通接口
• 加密参数接口
• 加密内容接口
• 非常规协议接口

（一）网页爬取

服务端渲染

对于服务端渲染，用一些基本的HTTP请求库就可以实现爬取，如 urllib、urllib3、pycurl、hyper、requests、grab 等框架，其中应用最多的可能就是 requests 了。

客户端渲染

对于客户端渲染，有四种处理方法：

• 寻找Ajax接口
• 此种情形可以直接使用 Chrome/Firefox 的开发者工具直接查看 Ajax 具体的请求方式、参数等内容，然后用 HTTP 请求库模拟即可，另外还可以通过设置代理抓包来查看接口，如 Fiddler/Charles。
• 模拟浏览器执行
• 此种情形适用于网页接口和逻辑较为复杂的情况，可以直接以可见即可爬的方式进行爬取，如可以使用 Selenium、Splinter、Spynner、pyppeteer、PhantomJS、Splash、requests-html 等来实现。
• 直接提取JavaScript数据
• 此种情形适用于真实数据没有经过 Ajax 接口获取，而是直接包含在 HTML 结果的某个变量中，直接使用正则表达式将其提取即可。
• 模拟执行JavaScript
• 某些情况下直接模拟浏览器执行效率会偏低，如果把 JavaScript 的某些执行和加密逻辑摸清楚了，可以直接执行相关的 JavaScript 来完成逻辑处理和接口请求，比如使用 Selenium、PyExecJS、PyV8、js2py 等库来完成即可。

（二）APP爬取

对于APP的爬取分为四种情况：

• 普通无加密接口
• 直接抓包拿到接口的具体请求形式就好，可用的抓包工具有 Charles、Fiddler、mitmproxy。
• 加密参数接口
• 一种方法可以实时处理，例如 Fiddler、mitmdump、Xposed 等，另一种方法是将加密逻辑破解，直接模拟构造即可，可能需要一些反编译的技巧。
• 加密内容接口
• 即接口返回结果完全看不懂是什么东西，可以使用可见即可爬的工具 Appium，也可以使用 Xposed 来 hook 获取渲染结果，也可以通过反编译和改写手机底层来实现破解。
• 非常规协议
• 可以使用 Wireshark 来抓取所有协议的包，或者使用 Tcpdump 来进行 TCP 数据包截获。

二、解析

对于 HTML 类型的页面来说，常用的解析方法其实无非那么几种，正则、XPath、CSS Selector，另外对于某些接口，常见的可能就是 JSON、XML 类型，使用对应的库进行处理即可。

这些规则和解析方法其实写起来是很繁琐的，如果我们要爬上万个网站，如果每个网站都去写对应的规则，那么不就太累了吗？所以智能解析便是一个需求。智能解析意思就是说，如果能提供一个页面，算法可以自动来提取页面的标题、正文、日期等内容，同时把无用的信息给刨除。

三、存储

存储，即选用合适的存储媒介来存储爬取到的结果

进击的Coder

四、反爬虫

爬虫现在已经越来越难了，非常多的网站已经添加了各种反爬措施，在这里可以分为非浏览器检测、封 IP、验证码、封账号、字体反爬等。

（一）防封IP

（二）验证码

验证码分为非常多种，如普通图形验证码、算术题验证码、滑动验证码、点触验证码、手机验证码、扫二维码等。

• 对于普通图形验证码，如果非常规整且没有变形或干扰，可以使用 OCR 识别，也可以使用机器学习、深度学习来进行模型训练，当然打码平台是最方便的方式。
• 对于算术题验证码，推荐直接使用打码平台。
• python学习关注加群：839383 765 获取最新python入门学习资料及视频哦。
• 对于滑动验证码，可以使用破解算法，也可以模拟滑动。后者的关键在于缺口的找寻，可以使用图片比对，也可以写基本的图形识别算法，也可以对接打码平台，也可以使用深度学习训练识别接口。
• 对于点触验证码，推荐使用打码平台。
• 对于手机验证码，可以使用验证码分发平台，也可以购买专门的收码设备，也可以人工验证。
• 对于扫二维码，可以人工扫码，也可以对接打码平台。

（三）防封号

一些网站需要登录才能爬取，但是一个账号登录之后请求过于频繁会被封号，为了避免封号，可以采取如下措施：

五、加速

当爬取的数据量非常大时，如何高效快速地进行数据抓取是关键。常见的措施有多线程、多进程、异步、分布式、细节优化等。

（一）多线程、多进程

爬虫是网络请求密集型任务，所以使用多进程和多线程可以大大提高抓取效率，如使用 threading、multiprocessing 等。

（二）异步

将爬取过程改成非阻塞形式，当有响应式再进行处理，否则在等待时间内可以运行其他任务，如使用 asyncio、aiohttp、Tornado、Twisted、gevent、grequests、pyppeteer、pyspider、Scrapy 等。

（三）分布式

分布式的关键在于共享爬取队列，可以使用 celery、huey、rq、rabbitmq、kafka 等来实现任务队列的对接，也可以使用现成的框架 pyspider、Scrapy-Redis、Scrapy-Cluster 等。

（四） 优化

（五）架构

好了，更多爬虫内容记得关注我们哦！