在爬虫使用过程中解决ip被封锁IP限制的几种方法
方法1
使用多IP代理:
1.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(貌似这么拼。。。)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.
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
友情提示:考虑爬虫给人家网站带来的负担,be a responsible crawler :)
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。
- [爬虫]解决ip被封锁的几种方法
- 【使用场景】巧用ip代理解决爬虫运行被封锁被限制的难题
- 爬虫 解决网页ip限制的问题的八种方法
- Python网络爬虫封锁限制的几种方法
- 虚拟IP实验,遇到场景启用使用虚拟IP就报错,不启用可以正常运行的问题,解决方法
- Android 使用android-support-multidex解决Dex超出方法数的限制问题,让你的应用不再爆棚
- oracle启动 /停止的几种方法以及 启动和停止过程中出错的解决办法
- 在使用macbook pro过程中遇到 <此apple id尚未用于App Store>,解决方法!
- Android 使用android-support-multidex解决Dex超出方法数的限制问题,让你的应用不再爆棚 .
- Android 使用android-support-multidex解决Dex超出方法数的限制问题,让你的应用不再爆棚
- TD安装及使用过程中经常出现的问题及解决方法
- oracle启动 /停止的几种方法以及 启动和停止过程中出错的解决办法
- 关于在使用EXTJS过程中页面出现白板的解决方法
- MySQL 存储过程不能使用return的解决方法
- 关于更改ip后dbconsole服务不能启动(em不能使用)问题的根本解决方法
- 采集爬虫中,解决网站限制IP的问题? - wendi_0506的专栏 - 博客频道 - CSDN.NET
- Sublime Text 无法使用Package Control的解决方法 以及 常用的插件安装过程
- Android 解决65535的限制 使用android-support-multidex解决Dex超出方法数的限制问题,让你的应用不再爆棚
- 使用Hibernate过程中所遇到的问题已经解决方法
- oracle启动/停止的几种方法以及 启动和停止过程中出错的解决办法