当我们想要捕捉动物的时候，会想到做一个陷阱，只要动物进入陷阱就会被抓住。这样的思想在python反爬虫中也得到了应用。当外面放出的爬虫来的网站获取数据时，网站设置了蜘蛛陷阱，所以就会有爬虫掉进陷阱中，那么获取数据的速度就大大的被降低了。那么，我们有没有什么方法可以帮助爬虫躲避这种蜘蛛陷阱呢？
Spider Trap
蜘蛛陷阱导致网络爬虫进入无限循环之类的东西，这会浪费蜘蛛的资源，降低其生产力，并且在编写得不好的爬虫的情况下，可能导致程序崩溃。礼貌蜘蛛在不同主机之间交替请求，并且不会每隔几秒钟从同一服务器请求多次文档，这意味着“礼貌”网络爬虫比“不礼貌”爬虫的影响程度要小得多。
反爬方式：
创建无限深度的目录结构
HTTP：//http://example.com/bar/foo/bar/foo/bar/foo/bar /
动态页面，为网络爬虫生成无限数量的文档。如由算法生成杂乱的文章页面。
文档中填充了大量字符，使解析文档的词法分析器崩溃。
此外，带蜘蛛陷阱的网站通常都有robots.txt告诉机器人不要进入陷阱，因此合法的“礼貌”机器人不会陷入陷阱，而忽视robots.txt设置的“不礼貌”机器人会受到陷阱的影响。
爬虫方法：
把网页按照所引用的css文件进行聚类，通过控制类里最大能包含的网页数量防止爬虫进入trap后出不来，对不含css的网页会给一个penalty，限制它能产生的链接数量。这个办法理论上不保证能避免爬虫陷入死循环，但是实际上这个方案工作得挺好，因为绝大多数网页都使用了css，动态网页更是如此。
缺点：
反爬方式1，2会增加很多无用目录或文件，造成资源浪费，也对正常的SEO十分不友好，可能会被惩罚。
学会了的小伙伴可以用来解救我们的小爬虫啦，这样也能多获得一些需要的数据。不过毕竟这种方法存在一定的风险，小伙伴们使用的时候一定要慎重哦~更多Python学习指路:PyThon学习网教学中心。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/2826/viewspace-2832050/ ，如需转载，请注明出处，否则将追究法律责任。
