爬蟲非專業八級模擬考試

正確答案 C

企業工商註冊資訊不是個人資料，資料來源都是國家公示網站，所公示內容是依法公開的內容。

對於敏感的個人資訊，比如爬取社保、身份證號、淘寶交易記錄，是違法的。

正確答案 C

使用打碼平臺是最快解決問題的方法

正確答案 B

經過分析，發現迷之字元規律的出現在 span 標簽內，所以就把 span 標簽的內容幹掉好了。

正確答案 C

美團這裡用到的是 background 拼湊。數字其實是圖片，根據不同的background偏移，顯示出不同的字元。

既然人眼可以看出數字是多少，那麼程式也可以識別。可以用 tesseract-ocr 進行圖片識別。

正確答案 AC

使用 Selenium + chromedriver 或者抓 API 介面都可以，這裡不推薦 PhantomJS 是因為框架不再維護了。但可能一些老的教程還在用。

正確答案 AB

抓包 mitmproxy 或者 APK 反編譯都可以。Requests 肯定是請求不到的了。

參考答案

其實可以補充的有很多了，真實世界比這張圖複雜很多，在這裡提供兩個思路：

一輪：

反爬的防守：識別出來selenium爬蟲，進行資料投毒，給假資料。

爬取的進攻：Android模擬器，模擬正常使用者，或者再換一個http client

又一輪：

爬取的進攻：模擬正常使用者行為，點選其他功能或者頁面

反爬的防守：爬取的限速限流