在找尋材料的時候，會看到一些暫時用不到但是內容不錯的網頁，就這樣關閉未免浪費掉了，下次也不一定能再次搜索到。有些小伙伴會提出可以保存網頁鏈接，但這種基本的做法并不能在網頁打不開后還能看到內容。我們完全可以用爬蟲獲取這方面的數據，不過操作過程中會遇到一些阻攔，今天小編就教大家用sleep間隔進行python反爬蟲，這樣就可以得到我們想到的數據啦。

要利用headers拉動請求，模擬成瀏覽器去訪問網站，跳過最簡單的反爬蟲機制。

獲取網頁內容，保存在一個字符串content中。

構造正則表達式，從content中匹配關鍵詞pattern獲取下載鏈接。需要注意的是，網頁中的關鍵詞出現了兩遍（如下圖），所以我們要利用set()函數清除重復元素。

第三步是遍歷set之后的結果，下載鏈接。

設置time.sleep(t)，無sleep間隔的話，網站認定這種行為是攻擊，所以我們隔一段時間下載一個，反反爬蟲。

具體代碼

import urllib.request# url requestimport re # regular expressionimport os # dirsimport time’’’url 下載網址pattern 正則化的匹配關鍵詞Directory 下載目錄def BatchDownload(url,pattern,Directory): # 拉動請求，模擬成瀏覽器去訪問網站->跳過反爬蟲機制 headers = {’User-Agent’, ’Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36’} opener = urllib.request.build_opener() opener.addheaders = [headers] # 獲取網頁內容 content = opener.open(url).read().decode(’utf8’) # 構造正則表達式，從content中匹配關鍵詞pattern raw_hrefs = re.findall(pattern, content, 0) # set函數消除重復元素 hset = set(raw_hrefs) # 下載鏈接 for href in hset: # 之所以if else 是為了區(qū)別只有一個鏈接的特別情況 if(len(hset)>1): link = url + href[0] filename = os.path.join(Directory, href[0]) print('正在下載',filename) urllib.request.urlretrieve(link, filename) print('成功下載！') else: link = url +href filename = os.path.join(Directory, href) # 無sleep間隔，網站認定這種行為是攻擊，反反爬蟲 time.sleep(1) #BatchDownload(’https://www1.ncdc.noaa.gov/pub/data/swdi/stormevents/csvfiles/’,# ’(Storm-Data-Export-Format.docx)’,# ’E:stormeventscsvfiles’) # ’(Storm-Data-Export-Format.pdf)’,# ’(StormEvents_details-ftp_v1.0_d(d*)_c(d*).csv.gz)’,# ’(StormEvents_fatalities-ftp_v1.0_d(d*)_c(d*).csv.gz)’,# ’(StormEvents_locations-ftp_v1.0_d(d*)_c(d*).csv.gz)’,#BatchDownload(’https://www1.ncdc.noaa.gov/pub/data/swdi/stormevents/csvfiles/legacy/’,# ’(ugc_areas.csv)’,# ’E:stormeventscsvfileslegacy’)結果展示

為了讓大家能夠清楚的知道整個反爬過程，這里小編把思路和代碼都羅列了出來。其中可以time.sleep(t)解除網站對于爬蟲的阻攔問題，著重標記了出來

到此這篇關于用sleep間隔進行python反爬蟲的實例講解的文章就介紹到這了,更多相關如何使用sleep間隔進行python反爬蟲內容請搜索好吧啦網以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網！