爬虫使用高匿代理会被服务器检测到本机吗？

[heyhumor]

用 python3 的 requests 库写的爬虫，今天试了好多家代理 IP，没有爬几次就被拒绝访问。

UA 是动态的，cookie 是 session 获取的，IP 也是高匿的，究竟是怎么被检测出来的呢？百思不得其解

[66CCFF]

前端搞个 js 很容易检测你这种呀。

[yankebupt]

你先找几台高匿 VNC 上去手动爬下试试……
有的行为检测连手动爬都过不了，更别提 python 了......
话说某剁手站我正常使用时都有 5%以上的验证码弹出率，不知是不是我长得很像爬虫……

[nnnToTnnn]

很简单，行为分析啊。 鼠标移动的轨迹，还有敏感的 IP 地址等等一些参数。

详细项目请参考 Google 的 “我不是机器人”

[Lunatic1]

如果被封说明 IP 的高匿还是失败的，假设开代理被检测也只是会封当前代理吧？可以先测试一下

[hardcattle]

亲，pyppeteer 了解一下，还有什么不能爬的网点。

[lcy630409]

不要用代理 本机直接爬，速度慢点
代理都是服务器的 ip 都是机房的，不说别的 判断你访问的 ip 是机房 ip 就要弹验证码了

[letitbesqzr]

先不说根据你的行为来判定的是否爬虫，就拿你代理 ip 来说，现在做风控的，都会把 ip 因素考虑进去，比如 ip 是否来自于机房 是否来自于 adsl 等等一系列，他们的大数据远比我们想到的丰富。

[heyhumor]

@66CCFF 我的请求可以返回正常数据的，而且每次请求都更换 IP，存在 js 检测吗

[heyhumor]

@Lunatic1 代理 IP 是动态更换的

[heyhumor]

@hardcattle pyppeteer 好像已经不维护了，问题很多吧

[heyhumor]

@nnnToTnnn 还有这种骚操作吗

[heyhumor]

@lcy630409 数据量挺大的，说实话

[heyhumor]

@lcy630409 我的倒不是验证码，正常返回几次之后直接 403 拒绝访问

[superrichman]

估计是你的 header 没处理好吧

[wildplant]

@heyhumor 那试一下 puppeteer 吧。反正写爬虫不也得会点 js 嘛。

[heyhumor]

@superrichman header 没处理好的话应该都不会返回数据吧，可是我返回了几次正确数据后才 403 的

[heyhumor]

@wildplant 好的，我试试

[676529483]

爬的是要登陆网站吗？如果是要登陆的，你 cookie 用的同一账号的，怎么代理也没用啊

[scukmh]

代理怎么加的代码有吗？ requests 的代理有点小坑的。

[QUIOA]

如果是国外网站你可以去买那些住宅代理 IP