爬虫在使用IP时,如何解决IP被封和IP限制呢?

方法一
使用多IP代理:
1.IP必须需要。
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。
方法二
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
方法三
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 。​
方法四
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。
方法五
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。​​​​​
方法六
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。​
方法七
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。
方法八
国内ADSL是王道,多申请一些线路,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,都不是什么大问题。
如果需要高匿代理IP ,可联系小编

你可能感兴趣的:(爬虫在使用IP时,如何解决IP被封和IP限制呢?)