Python爬虫使用过程中解决ip被封禁的几种方法

发布时间:2018-03-06 14:23    来源: 30VPS
在使用爬虫爬取数据的过程中,我们经常会遇到IP被封禁的情况,这时候就需要想办法解决IP受限问题.这里30VPS总结了几种绕开IP被封的解决办法,主要就是围绕准备足够多的IP来进行,供大家参考,:
 
方法1
使用多IP代理:
1.IP必须需要,比如ADSL拨号服务器。
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.
动态vps + 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。
上一篇:adsl动态拨号服务器是什么 下一篇:动态拨号VPS是干什么用的?
30VPS仅提供大数据采集与分析服务,用户使用30VPS从事的任何行为均不代表30VPS的意志和观点,与30VPS的立场无关。严禁用户使用30VPS从事任何违法犯罪行为,
产生的相关责任用户自负,对此30VPS不承担任何法律责任。

CopyRight © 2017-2018 30VPS 版权所有

备案号:粤ICP备18147731号 公司地址:广东省东莞市八达路33号

售前咨询
技术支持
扫码关注

30VPS微信公众号

返回顶部