换ip软件,代理ip软件,更改ip地址-智游代理
您的位置: 首页 > 新闻资讯 > 爬虫代理 > 正文

解决爬虫采集网站时被封IP的几种方法

发布时间:2018年10月15日 来源:本站

本文主要介绍了使用爬虫采集网站时,解决被封IP常见的几种方法的相关资料,需要的朋友可以参考下。

 

方法1:

之前由于公司项目需要,采集过google地图数据,还有一些大型网站数据。

经验如下:

1.IP必须需要,如果有条件,可以直接使用成熟的代理IP服务商,类似像智游代理这种。

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 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:

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

友情提示:考虑爬虫给人家网站带来的负担,be a responsible crawler :)

 

方法5:

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6:

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7:

1. 对爬虫抓取进行压力控制;

2. 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

按字母排序文章

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

相关文章内容简介

1 爬虫使用代理IP如何高效采集数据

如何让爬虫畅通无阻地高效稳定地夜以继日地永不停息地工作,是无数爬虫工作者梦寐以求的愿望。事实再次证明,世上无难事只怕有心人,只要拥有一个独享IP池,就可以让爬虫再也不怕封IP,从此高枕无忧。那么问题来了,如何拥有一个独享IP池呢?有网友提供了三种解决方案:1、爬取免费代理IP,搭建代理IP池;2、购买代理IP,获取IP后在本地搭建代理IP池;3、购买一批拨号服务器,自己搭建代理IP池。哪种方法比较好呢?让我们一起来分析分析吧。1、爬取免费代理IP,搭建代理IP池这种方法用的人非常的多,因为它是免费的,“免费”两个字足以让绝大多数人趋之若鹜。如果你不会爬取,那么可以在网上找到很多教程,也可以在github上找到很多项目,这里都就不再啰嗦如何爬取了,有兴趣的可以去网上找代码或者自己写。不管实现方法是哪种,那都不重要,重要的是它的效果如何。我曾经试验过,爬取了十万八千个免费代理IP,经过一番验证后,真正有效的只有百八十个,我也问过很多爬免费代理IP的朋友,效果都非常差,只能爬来玩玩,或者做测试,想要用来完成爬虫任务,趁早打消这个不切实际的想法。2、购买... [阅读全文]

2 爬虫代理IP不足该怎么解决

目前,很多网站的反爬虫策略都是根据识别到的IP来分辨的,当我们访问这个网站的时候IP就会被记录,如果操作不当,就会被服务器认定这个IP为爬虫,就会限制或者禁止这个IP的继续访问。那么,爬虫代理IP不足该怎么解决呢?爬虫被限制最常见的原因是抓取的频率过快,超过了目标网站设置的时间,就会被该服务器禁止访问。所以,很多爬虫工作者都会选择代理IP来辅助工作正常进行。有时候使用了代理IP,但还是会遇到IP不够用的情况。如果继续购买,成本会提升。可以采用以下方法尝试解决:1.降低抓取速度,减少IP或者其他资源的消耗,但这样会降低工作的效率,可能会影响到工作的速度。2.优化爬虫技术,将不必要的程序减少,将程序的工作效率提升,这样也可以减少对IP或其他资源的消耗。如果通过这两个办法还是无法解决问题,就只能继续购买代理IP了。智游代理IP稳定,覆盖性广,可以保证爬虫工作的高效、稳定的进行。... [阅读全文]

热门标签

推荐阅读

  1. 08

    2019-06

    数据采集爬虫代理ip基本原理

    我们在做爬虫的过程中经常会遇到这样的情况,最初爬虫正常运行,正常抓取数据,一切看起来都是那么正常,然而一杯茶的功夫可能就会出现错误,比如403 Forbidden,这时候打开网页一看,可

  2. 15

    2019-02

    网络蜘蛛安全隐患 web如何应对有害爬虫

    网络爬虫(Web Crawler),又称网络蜘蛛(Web Spider)或网络机器人(Web Robot),是一种按照一定的规则自动抓取万维网资源的程序或者脚本,已被广泛应用于互联网领域。

  3. 15

    2018-11

    爬虫代理IP该怎么用

    写网络爬虫时,大家都知道,如果爬虫抓取速度过快或者抓的网站和数据多了,经常会遇到ip频繁访问被封的问题。那么如何解决这种问题呢?

  4. 10

    2018-11

    爬虫怎样设置代理ip池

    在网络迅速发展的今天,互联网企业层出不穷,爬虫工作者也越来越多,大家都知道,代理ip是爬虫工作者的一个有力助手

  5. 22

    2018-11

    python爬虫使用代理IP的正确方式

    ​现在从事爬虫行业的朋友非常多,但是很多都不知道Python爬虫程序里应该怎样来使用代理IP,今天小编就来分享一下这方面经验。这里以python3为例,请看下面介绍。

  6. 20

    2018-11

    代理服务器的网络作用详解

    ​代理服务器大家都是很熟悉了,小编前面的文章中已经介绍了很多相关内容,今天给大家介绍一下它的网络作用,请看下面。