反爬虫策略实例 _字符

前言
对于一张网页，我们往往希望它是结构良好，内容清晰的，这样搜索引擎才能准确地认知它。
而反过来，又有一些情景，我们不希望内容能被轻易获取，比方说电商网站的交易额，教育网站的题目等。因为这些内容，往往是一个产品的生命线，必须做到有效地保护。这就是爬虫与反爬虫这一话题的由来。
但是世界上没有一个网站，能做到完美地反爬虫。如果页面希望能在用户面前正常展示，同时又不给爬虫机会，就必须要做到识别真人与机器人。因此工程师们做了各种尝试，这些策略大多采用于后端，也是目前比较常规但有效的手段，比如：
后端与反爬虫
1、User-Agent
2、账号及验证
3、验证码
4、IP限制频率
前端与反爬虫
1、FONT-FACE拼凑式

文章插图
实例：猫眼电影
猫眼电影里，对于票房数据，展示的并不是纯粹的数字。页面使用了font-face定义了字符集，并通过取映射展示。也就是说，除去图像识别，必须同时爬取字符集才能识别出数字。

文章插图
2、元素定位覆盖式
实例：去哪网
对于一个4位数字的机票价格，先用四个i标签渲染，再用b标签取绝对定位偏移量，覆盖展示错误的i标签，形成视觉上正确的价格。

文章插图
3、字符分割式
实例：全网代理IP
在展示代理IP信息的页面

文章插图
4、字符穿插式
【反爬虫策略实例】实例：微信公众号文章
在某些微信公众号的文章里，穿插了各种谜之字符，通过样式把这些字符隐藏掉。

文章插图
5、拼凑式
展示的数字其实是图片，根据不同的偏移，展示出不同的字符
6、伪元素隐藏式
把关键的信息放到伪元素的里面。爬取网页时必须得解析css拿到伪元素的。
7、字符集替换式
HTML代码里明明写的是3211，视觉上展示的却是1233，重新定义字符集，将3和1 的顺序调换。