diff --git a/README.md b/README.md index 3df93b43..b1d668af 100644 --- a/README.md +++ b/README.md @@ -2,32 +2,48 @@ # 2016-10-24 begin 仓库网址位于https://github.com/luyishisi/Anti-Anti-Spider 欢迎stat + 本项目由URLTEAM维护 + 作者博客 https://www.urlteam.org 项目简介: + 运用请求伪造,浏览器伪造,浏览器自动化,图像处理,ip处理等方式进行反爬虫技术的通用化使用。 + 为以后的采集任务快速开展留下基础代码。 + 如今项目会包含多项技术的样例代码. + 项目起因 + 本身是想做一个反爬虫的技术攻关站点,如果在总结诸多技术中发觉可以将反反爬虫技术直接保留与代码中。 + 在之后采集需要时能快速有效的测试该站点具有怎样的反爬特性,并且可以快速的进行代码复用 -你可以做什么: -2:提交你觉得难以采集的网站 -联系方式: a83533774@gmail.com +你可以做什么: 提交你觉得难以采集的网站 联系方式: a83533774@gmail.com 项目结构树:(有待更新) + https://github.com/luyishisi/Anti-Anti-Spider/blob/master/tree.txt 重点项目: + 1:验证码 {亚马逊验证码破解,knn,svm,Tensorflow自动生成验证码并大量训练从而破解--98%成功率} + 2:代理 {抓取西刺代理,以及一个高可用的国外代理网站,并存入数据库,从而随时调用} + 3:代码模板 {多线程优化,百度地图可视化采集,聚焦爬虫,selenium模拟登陆,域名爬虫} + 5:爬虫项目源码 {优酷网,腾讯视频,推特,拉钩网,百度地图,妹子图网,百家号,百度百科,csdn,新浪微博} + 6:ip跟换技术 {代理,tor,adsl} + 7:请求伪造 {phantomjs,requests,selenium} + 8:phantomjs {伪造请求头,获取页面截图,获取页面源码,设置超时} + 9:selenium {伪造请求头,支付宝模拟登陆} + UrlSpider {项目中常用的采集代码样本,经过多线程数据库操作优化,最高速度6kw/d}