• 爬虫过程中如何解决代理IP被封问题?

    爬虫采集成为很多公司企业个人的需求,但正因为如此,反爬虫的技术也层出不穷,像时间限制、IP限制、验证码限制等等,都可能会导致爬虫无法进行,所以也出现了很多像代理IP、时间限制调整这样的方法去接触反爬虫限制。那么如何解决爬虫过程中代理IP被封问题呢?

    方法1

    使用多代理IP:

    1、代理IP必须需要,比如ADSL。如果有条件,其实可以跟机房多申请外网IP。

    2、在有外网IP的机器上,部署代理服务器。

    3、你的程序,使用轮训替换代理服务器来访问想要采集的网站。

    好处:

    1、程序逻辑变化小,只需要代理功能。

    2、根据对方网站屏蔽规则不同,你只需要添加更多的代理就行了。

    3、就算具体IP被屏蔽了,你可以直接把代理服务器下线就OK,程序逻辑不需要变化。

    方法2

    有小部分网站的防范措施比较弱,可以伪装下IP,修改X-Forwarded-for即可绕过。

    大部分网站么,如果要频繁抓取,一般还是要多代理IP。

    我比较喜欢的解决方案是国外VPS再配多IP,通过默认网关切换来实现IP切换,比HTTP代理高效得多,估计也比多数情况下的ADSL切换更高效

    方法3

    ADSL + 脚本,监测是否被封,然后不断切换代理IP,设置查询频率限制

    正统的做法是调用该网站提供的服务接口。

    方法4

    国内ADSL是王道,多申请些线路,分布在多个不同的电信区局,能跨省跨市更好,自己写好断线重拨组件,自己写动态IP追踪服务,远程硬件重置(主要针对ADSL猫,防止其宕机),其余的任务分配,数据回收,都不是大问题。

    方法5

    1、user agent 伪装和轮换

    2、使用代理IP和轮换

    3、cookies 的处理,有的网站对登陆用户政策宽松些

    方法6

    尽可能的模拟用户行为:

    1、UserAgent经常换一换;

    2、访问时间间隔设长一点,访问时间设置为随机数;

    3、访问页面的顺序也可以随机着来。

    方法7

    网站封的依据一般是单位时间内特定IP的访问次数

    我是将采集的任务按目标站点的IP进行分组

    通过控制每个代理IP在单位时间内发出任务的个数,来避免被封,

    当然,这个前题是你采集很多网站。如果只是采集一个网站,那么只能通过多外部IP的方式来实现了。

    方法8

    对爬虫抓取进行压力控制;可以考虑使用代理的方式访问目标站点。

    降低抓取频率,时间设置长一些,访问时间采用随机数

    频繁切换UserAgent(模拟浏览器访问)

    多页面数据,随机访问然后抓取数据,更换用户IP。

原创文章,转载请注明: 转载自指南者

本文链接地址: 爬虫过程中如何解决代理IP被封问题?



  • + eaxcloud:洛杉矶cn2 gia VPS,7折特惠,低至6.3元/月,512M内存/1核/20gSSD/200g流量
  • + cloudcone:新开Windows系列VPS,$17.49/月,4G内存/3核/60gSSD/3T流量
  • + eaxcloud:洛杉矶cn2 gia VPS,7折特惠,低至6.3元/月,512M内存/1核/20gSSD/200g流量
  • + 长城vv5和逍客,落地价16万内,选谁呢?
  • + 使用vuex记录用户信息,当多用户登陆系统时全都显示同一个用户的状态,请问要怎么解决?
  • + 如何看待戴尔的第五代存储?
  • + 作为软件工程专业或者计算机科学与技术专业毕业的学生,让你大学四年重头再来,你会如何安排你的大学四年?
  • + 平时需要用到su和3D,现在的电脑卡到绝望,请问有没有什么推荐的电脑,台式笔记本都可以?
  • + React是否需要懒加载路由,react路由是内置了懒加载吗?
  • + 给大家看看南非cn2 gia网络–简单测评justg的南非 cn2 gia VPS
  • + #11.11# 樊云(FANAYUN):美国cn2 gia VPS,(美国、香港、大陆)独立服务器,全场8.8折
  • + edgenat:4.2折优惠,香港 cn2 gia+美国 cn2 gia VPS,300元/年,1G内存/1核/20gSSD/500g流量
  • 评论

    你必须先登录