IP代理软件,http代理,API提取-黑洞HTTP

黑洞HTTP

您的位置: 首页 > 新闻资讯 > HTTP代理 > 正文

爬虫如何通过动态VPS被封锁?(一)

发布时间:2019年04月28日 来源:互联网

  爬虫如何通过动态VPS被封锁?(一)爬取网站的时候经常会遇到网站上都部署了反爬虫机制,当服务器检测到一段时间内同一个 IP 持续密集的访问网站,则将其判定为爬虫程序,在一段时间内不允许该 IP 地址访问服务器。

爬虫如何通过动态VPS被封锁?(一)

  这种情况其实可以写个延迟函数,每爬一次随机歇个几秒钟,有效的降低访问密度,从而避开反爬机制。但是弊端是太浪费时间,一天爬几万条数据会感到非常吃力。这时就需要更加有效率的爬取数据,所以需要使用动态ip 和随机 UA(User-Agent)。说白了就是伪装爬虫,假装不同的人使用不同的浏览器在访问网站。


  使用动态拨号VPS


  除了代理IP以外,还可以使用动态拨号VPS来更换IP,这种方式获得的IP质量更高,而且可以直接在拨号vps上部署业务,更加方便。这种方式需要进行一些技术处理,实现IP更换和调用。


  使用动态ip


  使用动态ip 的强大之处在于它在爬虫运行的同时,在线获取动态ip。每次只获取一页,存于数组中,随机使用。当大部分的 IP 失效之后(记录访问失败的次数,当超过一定阈值时,则视为此页动态ip 失效),然后重新获取一页动态ip,如此,可保证每次使用的都是最新的 IP,而且不需要额外的空间和文件来存放动态ip。


  def get_proxy(page):


  '''


  功能:获取 快代理 网站上的最新免费代理IP


  参数: page 页数


  返回:存有动态ip 的列表 proxyList


  '''


  # 存放获取到的动态ip 信息    proxyList = []    # 访问 快代理 网站,获取第 page 页的网页信息    headers = {                "User-Agent" : "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11"    }    request = urllib.request.Request("https://www.kuaidaili.com/free/inha/"+str(page), headers=headers)    html = urllib.request.urlopen(request).read()        # 解析网页信息,从中提取动态ip 的数据    content = etree.HTML(html)    ip = content.xpath('//td[@data-title="IP"]/text()')    port = content.xpath('//td[@data-title="PORT"]/text()')    # 将动态ip 信息存入 proxyList 列表    for i in ip:        for p in port:            proxyList.append(i+':'+p)    return proxyList


相关文章内容简介

1 爬虫如何通过动态VPS被封锁?(一)

  爬虫如何通过动态VPS被封锁?(一)爬取网站的时候经常会遇到网站上都部署了反爬虫机制,当服务器检测到一段时间内同一个 IP 持续密集的访问网站,则将其判定为爬虫程序,在一段时间内不允许该 IP 地址访问服务器。  这种情况其实可以写个延迟函数,每爬一次随机歇个几秒钟,有效的降低访问密度,从而避开反爬机制。但是弊端是太浪费时间,一天爬几万条数据会感到非常吃力。这时就需要更加有效率的爬取数据,所以需要使用动态ip 和随机 UA(User-Agent)。说白了就是伪装爬虫,假装不同的人使用不同的浏览器在访问网站。  使用动态拨号VPS  除了代理IP以外,还可以使用动态拨号VPS来更换IP,这种方式获得的IP质量更高,而且可以直接在拨号vps上部署业务,更加方便。这种方式需要进行一些技术处理,实现IP更换和调用。  使用动态ip  使用动态ip 的强大之处在于它在爬虫运行的同时,在线获取动态 [阅读全文]

热门标签

最新标签

推荐阅读

  1. 11

    2019-11

    各大搜索引擎爬虫程序名是什么?

    通常搜索引擎抓取网页的方式就是通过搜索引擎的特定程序工具,去访问、索引互联网上的各个网站内容。

  2. 07

    2019-08

    http代理服务器的匿名程度怎么判断?

    写好的爬虫代理服务器放在网上爬,被ban其实是一件很郁闷的事情,现在各个网站都会有相应的防爬的措施,一般来说模拟请求头一般都够了,不过仅仅是模拟请求头够么,答案当然是否定的,

  3. 18

    2019-07

    什么时候能用到HTTP代理IP?

    所谓IP地址,可以看作你在网络世界中的门牌号,你的小伙伴通过门牌号找到你,你访问其他伙伴时,对方也可以通过你的门牌记住和识别你的身份。没错,IP地址就是这么重要。什么时候能用

  4. 14

    2019-11

    效果补量用什么代理IP?

    在网络大爆炸时代,很多场景都需要效果补量,如电商营销、直播流量、文章点击等。那么,效果补量用什么代理IP比较好呢?

  5. 22

    2019-07

    ip代理性价比和代理服务器保护隐私吗

    目前代理IP有免费的,也有付费的IP代理,但是说到性价比,可能很多朋友会想当然地觉得,免费代理IP应该是性价比最高的,毕竟不花钱嘛。但是持这个观点的朋友压根没有考虑到时间成本。

  6. 26

    2019-07

    独享HTTP代理和共享的区别

    独享IP可将域名直接解析到独享IP上,不用再到虚拟主机控制面板上去绑定