代理ip

>

换ip软件

>

http代理

>

ip代理

您的位置:首页 > 新闻资讯 > 文章内容
爬虫IP被封禁的解决办法——高匿爬虫ip代理
来源:网连代理 作者:admin 时间:2019-06-06 16:29:53

  爬虫以前听上去好厉害好神秘的样子,用好了可以成就像Google、百度这样的索索引擎,用不好可以凭借不恰当的高并发分分钟崩掉一个小型网站。写到这里想到12306每年扛住的并发请求量,觉得好牛逼。


爬虫IP被封禁的解决办法——高匿爬虫ip代理


  爬虫和反爬虫从一直以来都是一个道高一尺魔高一丈的架势。反爬虫技术增加了爬取的难度,各路crawler的爬取过程可以说是一个和各种网站站长斗智斗勇的过程,各种解决方式可谓层出不穷,但是这里说是“简单”解决方案,肯定就是立足于一些比较基础的方法,分分钟就可以上手。


  user_agent 伪装和轮换


  不同浏览器的不同版本都有不同的user_agent,是浏览器类型的详细信息,也是浏览器提交Http请求的重要头部信息。我们可以在每次请求的时候提供不同的user_agent,绕过网站检测客户端的反爬虫机制。比如说,可以把很多的user_agent放在一个列表中,每次随机选一个用于提交访问请求。有一个提供各种user_agent的网站:


  http://www.useragentstring.com/


  最近又看到一个专门提供伪装浏览器身份的开源库,名字取得很直白:


  fake-useragent


  使用代理IP和轮换


  检查ip的访问情况是网站的反爬机制最喜欢也最喜欢用的方式。这种时候就可以更换不同的ip地址来爬取内容。当然,你有很多有公网ip地址的主机或者vps是更好的选择,如果没有的话就可以考虑使用代理,让代理服务器去帮你获得网页内容,然后再转发回你的电脑。代理按透明度可以分为透明代理、匿名代理和高度匿名代理:


  透明代理:目标网站知道你使用了代理并且知道你的源IP地址,这种代理显然不符合我们这里使用代理的初衷


  匿名代理:匿名程度比较低,也就是网站知道你使用了代理,但是并不知道你的源IP地址


  高匿代理:这是最保险的方式,目标网站既不知道你使用的代理更不知道你的源IP


  代理的获取方式可以去购买,当然也可以去自己爬取免费的,网连代理是有一个提供优质IP代理的网站,因为免费的代理通常不够稳定。而网连代理IP节点遍布全国300多个城市,千万级IP池,单日可提取IP可以超过300万,均是高匿稳定的代理,且套餐时长有1分钟,3分钟,5分钟,10分钟,20分钟,30分钟等等,套餐灵活,适应更多应用场景,支持指定城市,还可以免费测试。


  设置访问时间间隔


  很多网站的反爬虫机制都设置了访问间隔时间,一个IP如果短时间内超过了指定的次数就会进入“冷却CD”,所以除了轮换IP和user_agent


  可以设置访问的时间间间隔长一点,比如没抓取一个页面休眠一个随机时间:


  import time,random


  time.sleep(random.random()*3)


  对于一个crawler来说,这是一个比较responsible的做法。


  因为本来爬虫就可能会给对方网站造成访问的负载压力,所以这种防范既可以从一定程度上防止被封,还可以降低对方的访问压力。


  网连代理是一家专注于企业级IP代理的提供商,涵盖了http、https、socks5等协议,支持PC、安卓、IOS等多种设备,提供API提取,套餐灵活,使用场景广,支持免费测试。欢迎咨询!


相关文章内容简介
推荐阅读
  • 03 2019-09
    使用代理服务器的最佳方式

    透明目的主机知道您的IP,它知接。未知 - 目的主机无法识别您的IP地址,但它知道您正在使用代理切换器服务器。E-lite - 目的主机不了解您的IP地址,或者请求已通过代理主机中继。有关详细信

  • 10 2018-11
    电脑如何查看ip地址

    IP地址分为外网ip和内网ip

  • 25 2019-06
    代理IP之定制IP

    代理IP这个词对于经常使用网络做业务的用户来说并不陌生,随着网路营销的不断发展和需要,代理IP也随着逐渐发展扩展,定制IP的出现就是市场的需求所产生的,什么是定制IP呢?代理IP大家

  • 18 2020-06
  • 09 2019-12
    Google chrome浏览器设置代理的步骤

    工作中,我们有时需要访问一些特殊的页面,这是需要用到代理服务器,今天小编就来告诉大家Google chrome浏览器设置代理的步骤。

  • 24 2020-02
    代理ip里的API是什么意思

    今天,随着Internet的快速发展,一些新兴的词汇往往以非常快的速度占用网络,例如网络上的一个热词,它主要用于网络业务的注册、投票、购买和发布等方面。对于代理IP,不认为它可以帮助