在爬虫工作中,我们不可避免的会遇到网页的反爬封锁,所以就有了爬虫的***,在攻和守之间两股力量不断的抗衡。接下来就讲讲使用爬虫时ip限制问题的六种方法!  

方法1.  

1、IP必须需要,如果有条件,建议一定要使用代理IP。  

2、在有外网IP的机器上,部署爬虫代理服务器。  

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.  

1、ADSL+脚本,监测是否被封,然后不断切换ip  

2、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3.  

1、useragent伪装和轮换  

2、使用飞速云代理ip和轮换  

3、cookies的处理,有的网站对登陆用户政策宽松些  

方法4.  

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5. 

网站封的依据一般是单位时间内特定IP的访问次数.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6.  

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。  

1、降低抓取频率,时间设置长一些,访问时间采用随机数  

2、频繁切换UserAgent(模拟浏览器访问)  

3、多页面数据,随机访问然后抓取数据  

4、更换用户IP,这是最直接有效的方法!