爬虫，是一种按照一定的规则自动地抓取互联网信息的程序。本质是利用程序获取对我们有利的数据。
反爬虫，从不是将爬虫完全杜绝；而是想办法将爬虫的访问量限制在一个可接纳的范围，不要让它过于频繁。
二. 提高爬虫效率的方法
协程。采用协程，让多个爬虫一起工作，可以大幅度提高效率。
多进程。使用CPU的多个核，使用几个核就能提高几倍。
多线程。将任务分成多个，并发（交替）的执行。
分布式爬虫。让多个设备去跑同一个项目，效率也能大幅提升。
打包技术。可以将python文件打包成可执行的exe文件，让其在后台执行即可。
其他。比如，使用网速好的网络等等。
三. 反爬虫的措施
限制请求头，即request header。解决方法：我们可以填写user-agent声明自己的身份，有时还要去填写origin和referer声明请求的来源。
限制登录，即不登录就不能访问。解决方法：我们可以使用cookies和session的知识去模拟登录。
复杂的交互，比如设置“验证码”来阻拦登录。这就比较难做，解决方法1：我们用Selenium去手动输入验证码；方法2：我们用一些图像处理的库自动识别验证码（tesserocr/pytesserart/pillow）。
ip限制。如果这个IP地址，爬取网站频次太高，那么服务器就会暂时封掉来自这个IP地址的请求。 解决方法：使用time.sleep()来对爬虫的速度进行限制，建立IP代理池或者使用IPIDEA避免IP被封禁。
如何处理python爬虫ip被封1、爬虫降低访问速度
由于上文所说的访问速度过快会引起IP被封，那么最直观的办法便是降低访问速度，这样就能避免了我们的IP被封的问题。只是呢，降低速度，爬虫的效率就降低，主要还是要降低到什么程度?
在这一点上吗，我们首先要测试出网站设置的限制速度阈值，如此一来我们才能设置合理的访问速度，建议不要设固定的访问速度，可以设置在一个范围之内，避免过于规律而被系统检测到，从而导致IP被封。
2、爬虫切换IP访问
降低了访问速度，在所难免的影响到了爬取的抓取效率，无法高效的抓取，如此一来的抓取速度与人工抓取有何区别呢?都没有了使用爬虫抓取的优势了。既然单个爬虫被控制了速度，但是我们可以使用多个爬虫同时去抓取啊!是的，我们可以使用多线程，多进程，配合使用代理，不同的线程使用不同的IP地址，就像是同时有不同的用户在访问，如此一来就能大大的提高爬虫的爬取效率了。
