
qq:800819103
在线客服,实时响应
qq群
在线客服,实时响应
客服电话
400-998-9776转3
如何使用Jsoup和代理IP做数据抓取?现在爬数据越来越难,各种反爬,简单的网站没做什么反爬,就随便介绍下:
随便找点网站弄点免费的http代理ip,去爬一下,太简单就不介绍了,目前最好用的代理ip是智游代理。
具体说下,稍微有点爬虫技术含量的吧,怎么样伪装自己的爬虫程序,尽量避免反爬:
1.请求头的user-agent参数必不可少,而且!!!!要随机,这里是大坑,我之前就是没有随机,然后爬了几天就被人反爬了,醉了,我当时还以为代理的问题,一直跟客服比比比比比,说他们代理被封了,后来才发现是我的请求头里面的user-agent被封了,然后心里愧疚的跟客服小姐姐抱歉了下。。。僵硬。user-agent是浏览器的标识,所以越多越好,大量的随机,跟代理ip一样重要!
来源!来源!说实话之前一直没发现,后来是访问某网站的时候发现的,反爬做这么多干嘛,累啊,互联网,数据大家一起用嘛!!请求头的referer这个参数就是记录的来源。为什么要伪装这个参数。我详细的说明下,你来源不伪装,就直接请求别人的接口,凭什么,他这个接口可能只是给页面调用的。。浏览器请求的时候都有来源,你不伪装,不就暴露了,具体传什么参数,不同的网站都不一样,可以F12看下浏览器请求的时候传的什么。
代理ip必不可少,这里用免费的就不太好了,因为既然要爬数据,肯定要快,ip的要求就比较高,而且要有效的数量比较多,不然别人网站升级什么的,你没爬完,爬虫程序就蹦了。所以让老板花钱省心省力提高效率。代理Ip的网站现在很多,我就不随便推荐了,免得查水表。
源码我就随便贴一下,应该是可以跑的,就是获取代理ip的url记得换下。
import java.io.IOException;
import java.util.*;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import net.sf.json.JSONObject;
public class Test{
//获取代理ip,记得更换,我用的是智游代理的,可以换成其他的网站的
private final static String GET_IP_URL="http://api.ip.goubanjia.com/dynamic/get.html?order=xxxx&sep=3&json=1";
public static void main(String[]args)throws InterruptedException{
List<String>addrs=new LinkedList<String>();
Map<String,Integer>addr_map=new HashMap<String,Integer>();
Map<String,String>ipmap=new HashMap<String,String>();
ExecutorService exe=Executors.newFixedThreadPool(10);
for(int i=0;i<1;i++){
Document doc=null;
try{
doc=Jsoup.connect(GET_IP_URL).get();
}catch(IOException e){
continue;
}
System.out.println(doc.text());
JSONObject jsonObject=JSONObject.fromObject(doc.text());
List<Map<String,Object>>list=(List<Map<String,Object>>)jsonObject.get("data");
int count=list.size();
for(Map<String,Object>map:list){
String ip=(String)map.get("ip");
String port=(String)map.get("port");
ipmap.put(ip,"1");
checkIp a=new checkIp(ip,new Integer(port),count);
exe.execute(a);
}
exe.shutdown();
Thread.sleep(1000);
}
}
}
class checkIp implements Runnable{
private static Logger logger=LoggerFactory.getLogger(aaa.class);
private static int suc=0;
private static int total=0;
private static int fail=0;
private String ip;
private int port;
private int count;
public checkIp(String ip,int port,int count){
super();
this.ip=ip;
this.port=port;
this.count=count;
}
Override
public void run(){
Random r=new Random();
String[]ua={"Mozilla/5.0(Windows NT 6.1;WOW64;rv:46.0)Gecko/20100101 Firefox/46.0",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/50.0.2661.87 Safari/537.36 OPR/37.0.2178.32",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/534.57.2(KHTML,like Gecko)Version/5.1.7 Safari/534.57.2",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/45.0.2454.101 Safari/537.36",
"Mozilla/5.0(Windows NT 10.0;Win64;x64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/46.0.2486.0 Safari/537.36 Edge/13.10586",
"Mozilla/5.0(Windows NT 10.0;WOW64;Trident/7.0;rv:11.0)like Gecko",
"Mozilla/5.0(compatible;MSIE 10.0;Windows NT 6.1;WOW64;Trident/6.0)",
"Mozilla/5.0(compatible;MSIE 9.0;Windows NT 6.1;WOW64;Trident/5.0)",
"Mozilla/4.0(compatible;MSIE 8.0;Windows NT 6.1;WOW64;Trident/4.0)",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/47.0.2526.106 BIDUBrowser/8.3 Safari/537.36",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/47.0.2526.80 Safari/537.36 Core/1.47.277.400 QQBrowser/9.4.7658.400",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/48.0.2564.116 UBrowser/5.6.12150.8 Safari/537.36",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/38.0.2125.122 Safari/537.36 SE 2.X MetaSr 1.0",
"Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/48.0.2564.116 Safari/537.36 TheWorld 7",
"Mozilla/5.0(Windows NT 6.1;W…)Gecko/20100101 Firefox/60.0"};
int i=r.nextInt(14);
logger.info("检测中------{}:{}",ip,port);
Map<String,String>map=new HashMap<String,String>();
map.put("waybillNo","DD1838768852");
try{
total++;
long a=System.currentTimeMillis();
//爬取的目标网站,url记得换下。。。!!!
Document doc=Jsoup.connect("http://trace.yto.net.cn:8022/TraceSimple.aspx")
.timeout(5000)
.proxy(ip,port,null)
.data(map)
.ignoreContentType(true)
.userAgent(ua<i>)
.header("referer","http://trace.yto.net.cn:8022/gw/index/index.html")//这个来源记得换..
.post();
System.out.println(ip+":"+port+"访问时间:"+(System.currentTimeMillis()-a)+"访问结果:"+doc.text());
suc++;
}catch(IOException e){
e.printStackTrace();
fail++;
}finally{
if(total==count){
System.out.println("总次数:"+total);
System.out.println("成功次数:"+suc);
System.out.println("失败次数:"+fail);
}
}
}
}
转载注明来自:智游代理IP http://www.zhiyoudaili.com/
相关文章内容简介
1 代理IP的质量差异
在网络工作中,代理IP就是换IP非常好用的工具。用代理IP更换IP后,解决了IP限制问题,可以继续完成发帖。还有很多工作都可以用到代理IP,例如最常见的注册账号、投票、抢购等等。很多用户在选择代理IP时,喜欢货比三家,这不比不知道,一比吓一跳。同样是优质高匿动态代理IP,这家包月只要不到一百,而那家却要好几百。这是为什么呢?明明是相同的高匿代理,价格却差这么多?其实,虽然是同种类的代理IP,但由于代理IP服务商的实力不同,可能会导致价格差别很大。那么具体差在哪里呢?其实差别最大的就是IP资源。优质IP代理一定会有海量的IP资源,包括优质的IP数量,以及大量的网络结点和覆盖城市数量,这样可以保证用户可以随时随地的使用,而且可以保证使用时较低的复用率,例如智游代理平台,这都是有实力的代理IP服务商才能做到的。代理IP的价格一定是一分钱一分货的,我们在选择代理IP时也要充分考虑到这一点,选择最适合自己业务的代理,才能更好的保证工作效率。... [阅读全文]
2 为什么说免费的不如性价比高的代理IP
相信很多人一说代理IP就喜欢去搜索一下免费代理IP,免费的谁不喜欢呢?其实并不是这样。免费的不如性价比高的IP代理,为什么这样说,一起来看看。免费代理还没有使用,它已经失败了。不仅如此,一些网站还散布着各种各样的小广告,甚至还有一些自由代理人为了谋取暴利,还散布一些非法商人,但也种植了一些病毒,侵犯了消费者的权利和利益。所以免费的比如性价比高的。在选择代理IP时,首先考虑,IP地址的数量是否有保证?其次,是否有专业的技术团队进行后台操作和维护。这样IP才会稳定,这样的品牌更值得信赖。最后售后服务必须好。我们智游代理拥有海量IP、专业的技术团队、完善的售后,选择我们不会有错!... [阅读全文]
热门标签
最新标签
推荐阅读
10
2019-06
使用代理IP为何访问失败
使用代理IP为何访问失败?在日常的网络工作中,很多网络工作者需要使用到代理IP来辅助完成任务,如比较常见的爬虫工作、营销发帖、网络投票、效果补量等,有是使用第三方工具,有的自
29
2018-11
高质量代理ip怎么保护网络安全
IP地址在网络安全上是一个很重要的概念,如果攻击者知道了你的IP地址等于为他的攻击准备好了目标,他可以向这个IP发动各种进攻,如DoS(拒绝服务)攻击、Floop溢出攻击等。
09
2019-05
怎么选择换ip软件提供商
怎么选择换ip软件提供商?在爬虫采集的过程中,我们会遇见目标网站采取了防爬取技术,或者说因为自己采集网站信息的强度和采集速度太大,给对方服务器带去了太多的压力,
16
2020-04
为什么说免费的不如性价比高的代理IP
相信很多人一说代理IP就喜欢去搜索一下免费代理IP,免费的谁不喜欢呢?其实并不是这样。免费的不如性价比高的IP代理,为什么这样说,一起来看看。
17
2020-03
代理IP能帮我们做什么?
在平时,遇到过很多想要购买代理IP的朋友,他们问我,你家的代理IP能帮我发邮件吗?你家的代理IP可以帮我注册账号吗?你家的代理IP能帮我发广告推广产品吗?你家的代理IP能帮我实现网络
30
2019-05
高质量代理ip安全指数更高
现在为了使整个网络系统更加的完善,使互联网和局域网良好的连接在一起,给人们日常的工作和生活带来更多的便捷,就出现了一个新的概念,也就是高质量代理ip。
热门文章