常见反爬策略及应对方案

构造合理的HTTP请求头。
Accept
User-Agent
Referer
Accept-Encoding
Accept-Language
检查网站生成的Cookie。
有用的插件：EditThisCookie
如何处理脚本动态生成的Cookie
抓取动态内容。
Selenium + WebDriver
Chrome / Firefox - Driver
限制爬取的速度。
处理表单中的隐藏域。
在读取到隐藏域之前不要提交表单
用RoboBrowser这样的工具辅助提交表单
处理表单中的验证码。
OCR（Tesseract） - 商业项目一般不考虑

专业识别平台 - 超级鹰 / 云打码

from hashlib import md5

class ChaoClient(object):

    def __init__(self, username, password, soft_id):
        self.username = username
        password =  password.encode('utf-8')
        self.password = md5(password).hexdigest()
        self.soft_id = soft_id
        self.base_params = {
            'user': self.username,
            'pass2': self.password,
            'softid': self.soft_id,
        }
        self.headers = {
            'Connection': 'Keep-Alive',
            'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',
        }

    def post_pic(self, im, codetype):
        params = {
            'codetype': codetype,
        }
        params.update(self.base_params)
        files = {'userfile': ('captcha.jpg', im)}
        r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files, headers=self.headers)
        return r.json()


if __name__ == '__main__':
    client = ChaoClient('用户名', '密码', '软件ID')
    with open('captcha.jpg', 'rb') as file:                                                
        print(client.post_pic(file, 1902))

绕开“陷阱”。
网页上有诱使爬虫爬取的爬取的隐藏链接（陷阱或蜜罐）
通过Selenium+WebDriver+Chrome判断链接是否可见或在可视区域
隐藏身份。
代理服务 - 快代理 / 讯代理 / 芝麻代理 / 蘑菇代理 / 云代理

《爬虫代理哪家强？十大付费代理详细对比评测出炉！》

洋葱路由 - 国内需要翻墙才能使用

yum -y install tor
useradd admin -d /home/admin
passwd admin
chown -R admin:admin /home/admin
chown -R admin:admin /var/run/tor
tor