Python爬蟲小偏方：突破登入和訪問頻率限制，多研究對方不同終端產品

摘要： 其實在抓取資料時，如果有大量的離散賬號和離散IP的話，抓取資料就問題不大了。但是老猿相信大部分的爬蟲選手們都沒有這麼多的資源，所以就會絞盡腦汁研究和各種嘗試對方的訪問控制策略，如果始終無法破局，這時就要跳出來想下其他辦法，比如多使用一下對方的產品，包括APP，網站，微信等，抓包看看他們之間的U...

其實在抓取資料時，如果有大量的離散賬號和離散IP的話，抓取資料就問題不大了。但是老猿相信大部分的爬蟲選手們都沒有這麼多的資源，所以就會絞盡腦汁研究和各種嘗試對方的訪問控制策略，如果始終無法破局，這時就要跳出來想下其他辦法，比如多使用一下對方的產品，包括APP，網站，微信等，抓包看看他們之間的URL有沒有關聯，訪問控制策略是否一致等，有時你會找到新的突破口。

Python學習交流群【 784758214 】內有安裝包和學習視訊資料，零基礎，進階，解答疑問。希望可以幫助你快速瞭解Python、學習python

曾經我想要某職業社交APP裡的一些使用者詳細頁的資訊用來做分析，但是面臨如下問題：

• 該APP必須登陸才能訪問所有頁面。
• 你的賬號如果沒有關注對方，對方的詳細介紹頁面的很多資訊就被隱藏了。
• APP的使用者詳細頁面一個賬號大概只能訪問100次/天(有點記不清具體數字了)就不能訪問了。

就註冊了10個該APP賬號，模擬登入後一天只能抓1000千多個，還有好些資料不全(因為沒有關注對方)， 實在離俺想要的資料量相差較遠。

總結上面的問題就是沒有足夠多的賬號，就算賬號足夠多，每個賬號和每個ip也有抓取限制。

於是就把該產品的APP，微信，網頁裡裡外外都翻了一遍，能點的地方都去點一下看看。

有了新的發現：

• 該APP的使用者詳細頁分享到微信後，通過微信開啟可以直接訪問，不需要登入，也不需要微信授權，使用者詳細頁資訊都是全的(解決了需要關注才能檢視全面資訊問題)。
• 通過APP獲取分享到微信的url的介面訪問頻率控制放得很寬鬆。
• 雖然在微信上不用登入訪問，沒有賬號限制了，但是還是有單個IP的訪問頻率控制。

分析完後，老猿舒緩了很多，得出新的抓取思路，就是：

使用10個賬號按一定頻次通過APP不停的獲取每個使用者詳細頁分享到微信的URL，讓另外一個程式模仿微信的user-agent不停的訪問這些分享到微信的URL（要使用adsl撥號來解決單個IP訪問頻率控制問題）。

這樣通過app加微信的方式解決了對賬號的限制問題，實現了曲線救國。

後來就發現好些抓取問題都有這種解決思路，跟我們在網路爬蟲小偏方之一里講的，有的網站為了SEO流量，而把referer來自百度的訪問控制放寬了一樣。

有的產品為了微信的流量(分享到微信裡的頁面可以直接開啟，點選其他頁面時再提示要註冊登入)，而對來自微信點選訪問控制放寬了。