python爬虫开发必学的8个技巧
来源:千锋教育
发布人:xqq
2023-11-05
推荐
在线提问>>
现在，有越来越多所谓的“教程”来帮助我们提高爬虫的易用性。小编收集了一些在爬虫开发中容易出错和被难住的小问题，提供了参考的意见和想法，以便于帮助爬虫开发者。
1、爬虫乱码(网址乱码、返回页面乱码、提交数据乱码)
关于爬虫乱码有很多群友的各式各样的问题，不仅是中文乱码，还包括一些如日文、韩文、俄文、藏文之类的乱码处理，因此确定源网页的编码。
2、含有验证码表单登陆
属于post请求，即先向服务器发送表单数据，需要验证码的情况可以使用带验证码登陆的cookie解决。
3、使用代理
适用情况：限制IP地址情况，最好的办法就是维护一个代理IP池。
4、限制频率情况
限制爬虫访问网站的频率来避免被网站禁掉。
5、“反盗链”
加上Referer，伪装成浏览器。
6、自动化测试工具Selenium
Selenium是一款自动化测试工具。它能实现操纵浏览器，包括字符填充、鼠标点击、获取元素、页面切换等一系列操作。
7、验证码识别
利用开源的Tesseract-OCR。
8、多线程抓取
高并发提交采集效率。
