爬虫的主要爬取方式之一是聚焦爬虫，也就是说，爬取某一个特定网站或者具有特定内容的网站，而一般比较大的有价值的网站都会有反爬策略，其中常见的反爬策略是网站根据来访者的身份判定是否予以放行。 对来访者身份的判定一般基于headers里的user-Agent值，每一种浏览器访问网站的user-Agent都是不同的，因此，爬虫需要伪装成浏览器，并且在爬取的过程中自动切换伪装，从而防止网站的封杀。可以通过一些爬虫库调用随机返回一个headers(User-Agent)
1import requests 2 3ua = UserAgent() # 实例化，需要联网但是网站不太稳定-可能耗时会长一些 4print(ua.random) # 随机产生 5headers = { 6 'User-Agent': ua.random # 伪装 7 } 8 9# 请求 10if __name__ == '__main__': 11 url = 'https://www.baidu.com/' 12 response = requests.get(url, headers=headers ,proxies={"http":"117.136.27.43"}) 13 print(response.status_code) 14还有就是访问IP的判别，在进行Python爬虫程序开发时，如果频繁地访问同一网站的情况下，网站服务器可能会把该IP地址列入黑名单，限制其访问权限。此时，使用IP代理技术可以有效避免这种限制，保证爬虫程序的稳定性。使用IP代理技术还有其他的优点，比如增强隐私保护、提高数据访问速度、降低目标网站的压力等等。总之，IP代理技术已经成为了Python爬虫程序中不可或缺的一部分。 15Python提供了丰富的第三方库，可以帮助我们实现IP代理功能。其中最常用的是requests库和urllib库。以下是使用requests库实现IP代理的示例代码： 16``` #! -*- encoding:utf-8 -*- 17 18 import requests 19 import random 20 21 # 要访问的目标页面 22 targetUrl = "http://httpbin.org/ip" 23 24 # 要访问的目标HTTPS页面 25 # targetUrl = "https://httpbin.org/ip" 26 27 # 代理服务器(产品官网 www.16yun.cn) 28 proxyHost = "t.16yun.cn" 29 proxyPort = "31111" 30 31 # 代理验证信息 32 proxyUser = "username" 33 proxyPass = "password" 34 35 proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % { 36 "host" : proxyHost, 37 "port" : proxyPort, 38 "user" : proxyUser, 39 "pass" : proxyPass, 40 } 41 42 # 设置 http和https访问都是用HTTP代理 43 proxies = { 44 "http" : proxyMeta, 45 "https" : proxyMeta, 46 } 47 48 49 # 设置IP切换头 50 tunnel = random.randint(1,10000) 51 headers = {"Proxy-Tunnel": str(tunnel)} 52 53 54 55 resp = requests.get(targetUrl, proxies=proxies, headers=headers) 56 57 print resp.status_code 58 print resp.text 59