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
通过代理ip进行分布式爬虫的几种方案
来源:网连代理 作者:admin 时间:2019-06-24 16:51:07

  我们都知道,为了更高效地进行数据抓取,我们需要使用爬虫代理ip,假如不用代理ip,爬虫业务必定无路可行,因此大部分爬虫采集公司都会去购买安全稳定的代理ip。使用了高质量的代理ip后,会不会就能够无后顾之忧了呢?这个可不会这么容易,事实上被追踪、被反爬,不单纯是代理ip的问题,还需要考虑方方面面的东西,还要改进爬虫代理方案,有效分配资源,提升工作效率,又快速又稳定又高效的完成爬虫。


  方案一:每个进程从接口API中随机取一个IP列表来反复使用,失效后再调用API获取,大致逻辑是这样:


  1、每个进程,从接口随机取回一批ip回来,反复试着ip目录去抓取数据;


  2、要是访问成功,则继续抓取下一条。


  3、要是失败了,再从接口取一批IP,继续尝试。


  方案弊端:每个IP都是有期限的,要是提取了一百个,用到第二十个时,或许剩下的大多数都无法使用了。要是设置HTTP请求时连接时间超时是3秒,读取时间超时是5秒,那么或许会耗费3-8秒的时间,在这3-8秒内可能抓取了几百次了。


  方案二:每个进程从接口API中随机取一个IP来使用,失败则再调用API获取一个IP,大致逻辑如下:


  1、每个进程,从接口随机取回一个ip来,用这个ip来浏览资源,


  2、要是访问成功,则继续抓下一条。


  3、要是失败了,再从接口随机取一个IP,继续尝试。


  方案缺点:调用API获取IP的行为非常频繁,会对代理服务器造成特别大的压力,影响API接口稳定,可能会被限制提取。这类方案也不适合,无法持久稳定的运行。


  方案三:先提取大量IP导入本地数据库,从数据库里面取IP,大致逻辑如下:


  1、在数据库里面建一个表,写一个导入脚本,每分钟请求多少次API(咨询代理IP服务商建议)以网连代理为例,单次提取数量在200个IP,间隔最快1秒,也就是说1分钟最快可以请求60次,把IP列表导入到数据库里面。


  2、在数据库里面记录好 导入时间、IP、Port、过期时间、IP可用状态 等字段;


  3、写一个抓取脚本,抓取脚本从数据库里面读取可用IP,每个进程从数据库获取一个IP进行使用。


  4、执行抓取,对结果进行判断,处理cookie等,只要出现验证码或者失败就放弃这个IP,重新换一个IP。


  这种方案有效的避开了代理服务器资源的消耗,有效的分配代理IP的使用,更加的高效和稳定,保障了爬虫工作的持久性和稳定性。网连代理使用稳定可靠,IP资源丰富,支持免费测试,建议大家可以测试一下。


相关文章内容简介
推荐阅读
  • 19 2018-11
    哪家代理IP性价比高

    网络动态IP代理软件

  • 15 2018-12
  • 27 2019-06
    爬虫爬取数据时如何快速换IP

    大数据时代下,数据爬取成为很多企业和个人的工作重点,过程中经常遇到很多问题,比如时间限制、IP限制、验证码限制等等,都可能会导致爬虫无法进行,所以我们常常需要不断切换IP地址

  • 15 2019-06
    怎么更换电脑IP

    更换IP是使用电脑比较常见的事情,但是很多初学者并不知道IP该怎么更换,下面就为大家详细的介绍怎么更换电脑IP。1.打开电脑后,找到网络图标,右击选择属性。或者直接在桌面左下角的开

  • 05 2019-03
    有什么软件可以更换ip地址

    有什么软件可以更换ip地址?如果需要更换IP地址,是怎么更换的呢?是直接找到设置中更换IP地址的地方更改吗?这种更改IP的方法效率太慢了,若是需要更换更多的IP地址,这岂不是完全没有

  • 04 2019-01