12306 反爬虫策略：Python 网络请求优化实战

3. 实现细节

• 从西刺代理网站爬取免费代理 IP
• 使用 icanhazip.com 验证代理可用性
• 将可用代理保存到 proxy_list 文件
• 随机选择代理 IP 进行请求

四、请求频率控制：模拟正常用户行为

1. 实现原理

通过随机调整请求间隔，模拟真实用户的操作行为，避免触发 12306 的请求频率限制。

2. 代码实现

核心文件：d:\python-code\12306-master\init\select_ticket_info.py

def main(self):
    # ... 初始化代码 ...
    while 1:
        try:
            num += 1
            now = datetime.datetime.now()
            configCommon.checkSleepTime(self)  # 夜间休眠控制
            # 预售模式 vs 捡漏模式，不同请求频率
            if self.order_model == 1:
                # 预售模式
                sleep_time_s = 0.5
                sleep_time_t = 0.6
                # 精准时间控制，到点立即刷新
                while not now.strftime("%H:%M:%S") == self.open_time:
                    now = datetime.datetime.now()
                    if now.strftime("%H:%M:%S") > self.open_time:
                        break
                    time.sleep(0.0001)
            else:
                # 捡漏模式
                sleep_time_s = 0.5
                sleep_time_t = 3
                # 执行余票查询
                q = query(session=self, from_station=from_station, to_station=to_station, ...)
                queryResult = q.sendQuery()
                # 有余票则提交订单，否则随机休眠
                if not queryResult.get("status", False):
                    # 随机休眠，避免固定频率
                    random_time = round(random.uniform(sleep_time_s, sleep_time_t), 2)
                    print(u"正在第{0}次查询 随机停留时长：{1}...".format(num, random_time))
                    time.sleep(random_time)

3. 实现细节

• 动态睡眠机制：根据模式调整休眠时间
• 夜间休眠：避免非高峰期无效请求
• 精准时间控制：预售模式下到点立即刷新
• 随机休眠时长：0.5-3 秒随机波动，模拟真实用户

五、小黑屋机制：智能规避无效请求

1. 实现原理

'小黑屋'机制用于临时屏蔽异常车次，避免无效请求浪费资源，提高抢票效率。

2. 代码实现

核心文件：d:\python-code\12306-master\config\TicketEnmu.py、d:\python-code\12306-master\init\select_ticket_info.py

# 小黑屋配置（TicketEnmu.py）
QUERY_IN_BLACK_LIST = u"该车次{} 正在被关小黑屋，跳过此车次"
TICKET_BLACK_LIST_TIME = 5  # 小黑屋时长，默认 5 分钟

# 小黑屋使用（select_ticket_info.py）
if wrapcache.get(train_no):
    print(ticket.QUEUE_WARNING_MSG.format(train_no))
else:
    # 正常处理车次
    # 有余票时提交订单
    if queryResult.get("status", False):
        # ... 订单提交逻辑 ...
        # 处理排队异常，加入小黑屋
        if "status" in queue_count and queue_count["status"]:
            if queue_count["data"]["ticket"] == "false":
                wrapcache.set(train_no, train_no, ticket.TICKET_BLACK_LIST_TIME * 60)
                print(ticket.QUEUE_JOIN_BLACK.format(queue_count["data"]["msg"], stationTrainCode))

3. 实现细节

• 触发条件：排队异常、僵尸票、未知错误
• 时长配置：默认 5 分钟，可通过配置文件修改
• 缓存实现：使用 wrapcache 库标记小黑屋车次
• 自动释放：到期后自动从小黑屋释放

六、反反爬虫策略总结

12306 项目的反反爬虫策略通过多层防护，有效规避了 12306 的反爬虫机制：

七、代码优化建议

1. CDN 自动更新：定期自动更新 CDN 列表，确保节点可用性
2. 代理 IP 池优化：增加付费代理 IP 支持，提高稳定性
3. 智能请求频率：根据 12306 响应调整请求频率，实现动态优化
4. 分布式部署：支持多机分布式抢票，进一步分散请求压力
5. 验证码 AI 识别：集成 AI 模型，提高自动验证码识别率

八、结语：反反爬虫的未来

随着 12306 反爬虫机制的不断升级，反反爬虫策略也需要持续演进。未来的反反爬虫技术将更加智能化，结合机器学习、分布式架构和更精细的请求模拟，实现更高效、更稳定的抢票服务。

通过学习 12306 项目的反反爬虫策略，我们可以更好地理解网络请求优化的核心原理，掌握各种反反爬虫技术的实现方法，为构建更强大的网络应用打下基础。

参考资料：

• 12306 抢票项目源码
• Python 标准库文档
• 网络爬虫与反爬虫技术白皮书