一些基础的反爬虫机制，我们能够通过网上的教程来解决，利用代理IP就可以帮助到。可是，如果是遇到一些反爬机制比较复杂的网站，我们就需要下点功夫来研究了。看看还有哪些典型的复杂反爬虫策略：

一、 FONT-FACE拼凑式

范例：猫眼电影

猫眼电影网站，针对票房信息等展示的并非纯粹的数字。

网页采用font-face定义了字符集，并利用unicode去映射呈现。换句话说，去掉图像识别，必须同时抓取字符集，才能分辨出数字。

而且，每次页面刷新，字符集的url都会发生改变的，显然更大强度地提高了爬取成本。

二、IFRAME异步加载式

范例：网易云音乐

网易云音乐网页一打开，html源码里基本上只有一个iframe，而且它的src是空白的：about:blank。接着js开始运行，把整个页面的框架异步塞到了iframe里面…

不过这一方法造成的难度并不大，仅仅在异步与iframe处理上绕了个弯，不管你是用selenium还是phantom，都有API能够拿到iframe里面的content数据。

三、字符穿插式

范例：微信公众号文章

一些微信公众平台的文章里，穿插了各类迷之字符，而且按照样式把这些字符隐藏掉。

这类方式尽管惨绝人寰…但我觉得找不到太大的识别与过滤难度，甚至能够做得更好，不过也算作一种脑洞吧。

四、伪元素隐藏式

范例：汽车之家

汽车之家网站里，将关键的厂商数据，做到了伪元素的content里。

这又是一种策略：爬取网页，一定得解析css，还要拿到伪元素的content，这就提高了爬取的难度。

五、元素定位覆盖式

范例：去哪儿

酷爱数学的去哪儿，针对一个4位数的票价，首先用4个i标签渲染，然后2个b标签去绝对定位偏移量，覆盖有意呈现错误的i标签，最终在视觉上建立正确的价格…

这就表明爬虫能解析css还不够，还要会做数学题。

六、BACKGROUND拼凑式

范例：美团

与font的方式差不多，美团里采用的是background拼凑。数字其实是图片，按照不同的background偏移，显示出不一样的字符。

而且不同页面，图片的字符排序都是有差异的。不过理论上只需生成0-9与小数点，为什么有重复字符还没有搞明白。

七、字符集替换式

范例：去哪儿移动版

一样会欺骗爬虫的还有去哪儿的移动版。

html里明明写的3211，视觉上呈现的却是1233。原来他们重新定义了字符集，3与1的顺序刚好调换得来的结果…

一些比较大型的网站，为了保护网站的原创性跟内容，会在这方面多下功夫，我们也需要对不同网站的机制进行了解。