作者:SEO    来源:洛阳SEO    

　　我们知道，爬虫是大数据时代的重要角色，发挥着重大的作用。但是，通往成功的路上总是布满荆棘，目标网站总是设置各种限制来阻止爬虫的正常工作。那么，目标网站一般是通过哪些方式来限制爬虫呢，爬虫又该如何突破这些限制呢？

　　1、有些网站反爬取的措施应该比较强的。访问之后每次清除缓存，这样能有效规避部分网站的检测；但是有些网站更严格的判断，如果都是新链接从ip发出，也会被判定拒绝（直接403拒绝访问），因此有些爬虫客户会去分析网站的cookies缓存内容，然后进行修改。

 

　　2、洛阳SEO注意到很多网站，可以先用代理ip+ua（ua库随机提取）访问，之后会返回来一个cookie，那ip+ua+cookie就是一一对应的，然后用这个ip、ua和cookie去采集网站，同时能带上Referer，这样效果会比较好

 

　　3、浏览器的标识（User-Agent）也很重要，用户都是一种浏览器，也是容易判断作弊，要构造不同的浏览器标识，否则容易被判定爬虫。https://httpbin.org/headers，用代理访问之后，浏览器标识需要修改，建议浏览器用phantomjs框架，这个可以模拟其他浏览器的标示（需要标示库的话，我们亿牛云代理可以提供1000+），可以通过API接口实现各种浏览器的采集模拟。