推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2188 天前的主题，其中的信息可能已经有所发展或是发生改变。
最近想做大数据分析； 所以想爬取了网易云的所有用户信息；
那么重点来了，我发现，网易云有单模块防御机制； 比如个人用户主页，我爬取了大概 5W+左右，反爬机制就生效了， 不管访问哪一个用户的主页，都是返回 404，连我自己的个人中心都无法登录了；
我试过 cookie 变换，但是得出结论绝对是 IP 被黑了。 请问各位，有没有相关经验。 到底是不是黑了 IP。。。。。
第 1 条附言 · 2018-11-30 04:54:06 +08:00
根据我那么半个月的爬取，得出稳如狗的结论；
网易云的反爬机制：
首先 Ban Cookie，然后 Ban IP ；
如果更换 IP 了，不更换 Cookie，依然被 Ban ；
所以只要更换 IP 和 Cookie 就可以了，UA 不需要随机。
数据那么多，随机间隔也是没啥用的，自我安慰一下吧。大概是；
网易云的反爬机制：
首先 Ban Cookie，然后 Ban IP ；
如果更换 IP 了，不更换 Cookie，依然被 Ban ；
所以只要更换 IP 和 Cookie 就可以了，UA 不需要随机。
数据那么多，随机间隔也是没啥用的，自我安慰一下吧。大概是；
 |
1
sunzongzheng 2018-11-09 19:38:54 +08:00 via Android  1
我被 ban 过 ip，大概 ban 了 7 到 10 天左右
|
 |
2
smallgoogle OP @sunzongzheng 不是。那么认真的么？ 7-10 天？
|
 |
3
cyrbuzz 2018-11-09 20:49:08 +08:00
网易云的反爬貌似是基于账号的，换 cookies 是有用的吧？
|
 |
4
Baboonowen 2018-11-09 21:01:29 +08:00
来个爬虫代码 让大伙验证一下 嘿嘿
|
 |
5
CivAx 2018-11-09 21:05:10 +08:00
去随便一个云买个小鸡跑一下就知道了
|
 |
6
locoz 2018-11-09 21:23:43 +08:00 via Android
不换 IP 又不在限制范围内当然会被封 IP 啊。。
|
|
7
smallgoogle OP @cyrbuzz 是 IP 挂了。cookie 换过了。无效。
|
 |
8
masterjoess 2018-11-09 22:52:36 +08:00
虽然让你爬了 5W+了，但你该不会是想用单 IP 爬全站吧？全国混拨了解一下
|
|
9
sunzongzheng 2018-11-09 23:03:43 +08:00 via Android
@smallgoogle 我上次是 for 循环无延时调的音乐接口，在服务器上，然后被 ban 了这么久
|
 |
10
LukeChien 2018-11-09 23:04:15 +08:00
网易云有啥好爬的
|
 |
11
whoami9894 2018-11-09 23:58:20 +08:00 via Android
我记得原来爬 ins，cookie+ip+请求间隔反爬，接口还乱糟糟，头疼
|
|
12
smallgoogle OP @sunzongzheng 目前来看。我到现在还没解封。估计是六七天才行了。
|
|
13
smallgoogle OP @masterjoess 大概是我太单纯了。
|
|
14
smallgoogle OP 2
这两天摸出结论：
网易云是双封，先在你的 cookies 写入封禁的字段，然后封禁 IP ； 如果你换了 IP，不清理 cookies，一样死； 所以解封的办法是，先清理 cookie，然后换 IP。然后访问就 OK 了。 |
 |
15
cxa 2018-11-12 16:50:07 +08:00
现在还有写爬虫不叫代理的么。。。
|
 |
16
bjt5521 2018-11-14 11:43:49 +08:00
我是做代理 IP 的，我们有个企业客户，成立了一个攻坚反爬部门，专门研究怎么绕过风控抓取数据。现在风控台厉害了
|
|
17
smallgoogle OP @bjt5521 成功绕过了么？
|
 |
18
skywingfs 2018-11-19 17:30:16 +08:00
搞爬虫你需要代理池
|
 |
19
kr380709959 2018-11-22 16:07:42 +08:00
你这单 ip 单 cookie 想爬全站么？
我一个新手爬拉钩都用了十几个 cookie+代理隧道爬取，爬了 50 万+的数据，压根没毛病。 楼上有个哥们说得对，随机 cookie 列表+代理 ip+随机间隔请求时间，基本上对付中小网站没问题了，除非你想碰阿里这种怪物。 |
 |
20
find456789 2018-11-29 11:00:24 +08:00
|
|
21
kr380709959 2018-11-29 13:16:08 +08:00
@find456789 我用的是一个账号生成的 cookie，但是不知道网站是不是对 cookie 有限制的。你也可以生成十几个账号对应的 cookie 来爬，那样反爬就更难处理了
|
|
22
kr380709959 2018-11-29 13:17:16 +08:00
|
|
23
smallgoogle OP @kr380709959 其实网易云的反爬除了 IP 还有 cookie。如果 IP 被墙了。Cookie 也是有问题的。。就算你换 IP，不清除 cookie。依然被墙。UA 倒是没限制。
|
|
24
kr380709959 2018-11-30 09:49:56 +08:00
@smallgoogle 那就要仔细研究下了。
|
Select Language