最常见6大防采集套路及解决方式，建议采集！

　　什么是防采集？

　　用大白话来说，就是我们想借助工具采集某个网站的数据（前提其实是公开合法数据），但网站不想给你采集而设置的技术抵挡举措。

　　网站常见的防采集套路有什么？

　　防采套路1：输入验证码框验证

　　采集难度：★☆☆☆☆

　　常见网站：搜狗陌陌

　　在采集某些网站过程中，爪子们是不是常常会碰到这样的情况，要求你输入验证码，否则就卡住进行不下去？

　　对的，这是网站最常用且最基础的防采举措之一，它要求你必须你自动输入验证码里的数字和字母，才能继续听到更多信息或则进行下一步，以此来判定你是机器人还是真人。

　　防采套路2：滑动拼图进行验证

　　采集难度：★★☆☆☆

　　常见网站：拉勾、B站

　　验证码防采套路升级版，也是网站最常用来验证当前浏览用户是机器人还是人工的方法之一。

　　它要求你必须滑动拼图到它指定的位置，才能通过验证进行下一步操作。

　　防采套路3：登录验证

　　采集难度：★★★☆☆

　　常见网站：新浪微博、新榜

　　这类网站通常须要登陆能够看见更丰富的信息，否则只会突显十分有限的内容。放在优采云采集器里，只要一启动，这类网站就立刻弹出登陆窗口，才能进行下一步，有时候都会出现在采集的过程当中。如果不懂的怎么设置登陆流程的脚爪，很快会提醒“采集终止”。

　　防采套路4：数据加密

　　采集难度：★★★★☆

　　常见网站：大众点评

　　有些网站通过对数据加密进行防采集。如大众点评（上图），我们在网页上见到的内容是这家饭店的“地址”，但我们打开源代码看，这段文字被早已被加密分离，这会导致哪些结果？

　　这将造成即使你将它采集下来，文字也是乱码或支离破碎的，无法整合成一段完整的文字。

　　防采套路5：反馈虚假数据

　　采集难度：★★★★★

　　常见网站：携程网

　　最近见到一个同程开发写的贴子，关于她们是怎样给爬虫反馈“假数据”的。看完认为同程很“可怕了”！

　　当你发觉辛辛苦苦采集下来的数据竟然是假的，请问你心累不心累？！所谓道高一尺，魔高一丈，遇到这些给你“投毒”的网站就请绕路吧，除非你想到更好的破解方式！

　　防采套路6：禁止访问

　　采集难度：★★★★★

　　常见网站：个别网站

　　小八目前还没怎样遇见过此类情况。当然，我们没事也不会故意“以身试法”，去试探网站的防采底线。

　　这种情况，主要还是看网站的防采机制设计，如果触发了，通常的结果就是全面封锁和严禁。比如封你的帐号、封你的IP地址。一旦被封锁，网站会手动给你错误页面或未能使你正常浏览。

　　几种最容易触发防采集的情况。

　　1、采集速度过快、频次过低

　　嗯？这个用户如何会1分钟浏览几十个页面呢？而且还是一天24小时不休息？有问题，我要去查查！啊，绝对是机器，封掉~！

　　采集速度过快、频次过快很容易造成对方网站注意，对方人员很容易就辨识出你是机器在爬取它的内容，不是人类。毕竟正常人是没法象机器人那样不休不眠地高速运转。

　　2、采集数据量过大

　　当你速率和频次上来了，你采集的数据量将会太庞大，小八曾遇见脚爪三天采集几百万条数据的情况，如果对方官网防采严格，则容易触发防采集机制。

　　3、一直使用同一个IP或帐户

　　一旦对方网站发现你的IP/账户为机器爬虫，那么很有可能你的IP/账户都会被纳入她们的黑名单，以后不容许你访问或则给你展示一个错误页面，让你无从下手。

　　针对防采集优采云推出了一系列智能防封解决方式！

　　解决方式1：自动辨识输入验证码

　　优采云提供验证码辨识控件，目前支持手动辨识8种类型智能辨识，包括字母、数字、汉字，还包括混和算数估算！

　　解决方式2：自动滑动拼图验证

　　遇到滑块？别担心，优采云支持手动辨识滑块验证，并且使机器手动拖动到指定位置，网站验证妥妥滴。

　　优采云自动通过滑块验证

　　解决方式3：设置手动登入

　　优采云提供以下2种登陆模式：

　　1）文本+点击登陆

　　在优采云里设计登陆流程，在采集过程中优采云将手动输入用户和密码进行登陆（PS，优采云不会获取任何用户个人隐私）

　　2）Cookie登陆

　　在优采云中进行登陆，通过记住登入后的Cookie，下次直接以登陆后的状态打开网页进行采集。

　　解决方式4：放慢采集速度

　　1）Ajax加载

　　AJAX：延时加载、异步更新的一种脚本技术。简单来说就是，我们可以通过Ajax技术使网页加载的时间更长一些（可以设置0-30秒），让浏览速率变慢一点点防止查封。

　　2）执行前等待

　　执行前等待是指在进行采集操作之前，优采云会手动默认等待一段时间，确保要采集的数据早已加载下来。这个方式同样适用于防采比较严格的网站，通过放慢采集速度来躲避反爬虫的追踪。

　　解决方案5：优质代理IP

　　优采云提供了优质的代理IP池，在采集过程中支持智能定时切换IP，避免同个IP采集被网站追踪封锁。