在一些網站中，當正常瀏覽頁面時，看不出端倪，但是通過查看HTML源代碼時，就發現數據不正常顯示，爬蟲程序則無法獲取。
在網站中，頁面顯示文字時，帶有文字的圖片和正常文字混合顯示在一起，在源代碼中，是以圖片方式顯示，這樣的方式，對於爬蟲程序來說，不去識別圖片中的文字，由採集的數據是不合格的。如：網站中電影評分，商家聯繫電話，文章訪問量等，如下圖。
網頁顯示方式：
爲了防止爬蟲工程師的採集網站中的數據，在網站中把部分顯示文字方式的數據改爲文字顯示。
爬蟲突破：
對於此類網站，如果要實破，則必須使用圖片識別工具,過程如下：
1.網頁獲取圖片url；
2.下載圖片文件並讀取文件數據流；
3.使用圖片識別工具，識別文字。
圖片識別：
圖片識別：可以使用pytesseract庫，前提是要安裝好Tesseract-OCR 工具。但是它是有缺點的，對有混淆的圖片，如驗證碼、帶有中文字體、手寫字體是很難識別的。對於這種問題，可以通過文字訓練來讓強化識別能力，也可以使用第三方api去實現，如騰訊雲，華爲雲，阿里雲等。