一、反扒策略
1、通过user-agent来判断是不是爬虫。
解决的办法：伪装user-agent客户端标识
2、通过访问频率来判断。
解决的办法：设置请求频率。

time.sleep(random.randint(0,5))

3、封ip
设置代理ip。

requests.get(
url,
headers,
params,
proxies,代理字典
)
proxies={
'http':'http://ip:port',
}

4、页面内容不是直接渲染的，而是通过js动态加载获取的。
解决办法：selenium+phantomjs来解决。
二、html页面技术
1、js：
html是页面骨架，css是装饰，js是页面的行为。
js非常重要。
2、jquery：js的库，作用就是简化js编程。
3、ajax：web的异步请求技术。
异步请求：
同步请求：
4、Dhtml
三、selenium和phantomjs
1、什么是selenium？
selenium是一个web自动化测试工具。但是它本身不带浏览器的功能。他这个工具其实就是可以作为一些外部应用的驱动程序一样，可以控制外部应用来完成一些任务。
2、selenium安装：
pip install selenium==2.48.0
3、什么是phantomjs？
phantomjs它其实就是一个内置浏览器*面浏览器引擎。他可以像浏览器一样加载页面，运行页面中的js代码。
4、为什么selenium和phantomjs的组合可以解决任何网站的页面数据问题？
selenium就像一个python程序，phantomjs就相当于一个浏览器。他们的结合就相当于用python来控制浏览器进行页面内容的解析，所以，只要能在浏览器中加载的页面，就一定能通过这个组合获取到数据。
5、phantomjs的安装。
搜索phantomjs镜像，用镜像下载速度比较快。

phantomjs-2.1.1-windows.zip这个包怎么使用：在这个里面找到phantomjs.exe,将这个exe文件放到anaconda的scripts包下面。
测试是否安装好：在cmd窗口下面输入phantomjs，如果不报错，就说明安装成功。

6.安装可视化chrome浏览器的驱动。

下载安装chromedriver.exe---->这驱动就是可以让selenium驱动谷歌一个驱动。---->下载的时候一定要对照自己chrome浏览器的版本。
下载：搜索chromedriver镜像chromedriver_win32.zip，在里面找到chromedriver.exe，把他也反倒anaconda的scripts包下面。

7、selenium的使用

文档：selenuim常用方法总结.note
链接：http://note.youdao.com/noteshare?id=0142a95cf23fadbaea95809ccb5674b2&sub=02896A50836E4995997A821419D9A063