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瀏覽下面的相關文章希望大家以后多多支持好吧啦網！