在进行采集数据之前，需要先了解反网络爬虫，何为反网络爬虫？

你想获取别人的数据，但别人也不想把这些数据给你，为了保护这些信息，网站都会设置反爬虫机制，通过各种的限制，让爬虫获取不了信息。

大数据时代，大家都获得大量数据，挖机有价值的信息，即使有反爬虫机制，也要迎难而上，就看谁的技术高了。那么爬虫通常会遇到哪些限制？如何突破这些限制？

1.Cookie限制

一般在用户登录或者某些操作后，服务端会在返回包中包含Cookie信息要求浏览器设置Cookie，没有Cookie会很容易被辨别出来是伪造请求;

也有本地通过JS，根据服务端返回的某个信息进行处理生成的加密信息，设置在Cookie里面。

2.BasicAuth限制

一般会有用户授权的限制，会在headers的Autheration字段里要求加入。

3.IP限制

网站的防火墙会对某个固定ip在某段时间内请求的次数做限制，如果没有超过上线则正常返回数据，超过了，则拒绝请求，如qq邮箱。

主要的应对方案是使用代理，这样一来ip的数量就会多一些，但是建议选用安全高效的代理IP,保证数据安全。比如黑洞代理，全国一百多城市的IP选路，一天几十万的IP资源，有助于爬虫突破限制。

4.Gzip限制

请求headers里面带了gzip，返回有时候会是gzip压缩，需要解压。

5.User-Agent限制

会要求真是的设备，如果不加会用编程语言包里自有User-Agent，可以被辨别出来。

6.Referer限制

通常是在访问链接时，必须要带上Referer字段，服务器会进行验证，例如抓取京东的评论。

上文介绍了“爬虫通常会遇到哪些限制”，了解这些限制，有助于突破限制，更有效率的获取数据。有时候某些限制并不一定是针对爬虫的，而是为了网站的安全，预防DOS攻击的措施。