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

爬虫经常被封有哪些原因有哪些对策

发布时间:2019年06月20日 来源:互联网

  爬虫经常被封有哪些原因有哪些对策?大数据时代下,采集数据常用的方法是写一个爬虫程序向网络服务器请求数据,然后对数据进行解析,然后提取所需要的信息,然而,事情并不能一帆风顺,请求数据时经常受到访问限制,或者被误认为频繁访问恶意攻击网站,对IP进行封禁,导致爬虫程序被终止,timeout httperror等。


爬虫经常被封有哪些原因有哪些对策


  一、首先,检查JavaScript。如果你从网络服务器收到的页面是空白的,缺少信息,或其遇到他不符合你预期的情况(或者不是你在浏览器上看到的内容),有可能是因为网站创建页面的JavaScript执行有问题。


  二、检查正常浏览器提交的参数。如果你准备向网站提交表单或发出POST请求,记得检查一下页面的内容,看看你想提交的每个字段是不是都已经填好,而且格式也正确。用Chrome浏览器的网络面板(快捷键F12打开开发者控制台,然后点击“Network”即可看到)查看发送到网站的POST命令,确认你的每个参数都是正确的。


  三、是否有合法的Cookie?如果你已经登录网站却不能保持登录状态,或者网站上出现了其他的“登录状态”异常,请检查你的cookie。确认在加载每个页面时cookie都被正确调用,而且你的cookie在每次发起请求时都发送到了网站上。


  四、IP被封禁?如果你在客户端遇到了HTTP错误,尤其是403禁止访问错误,这可能说明网站已经把你的IP当作机器人了,不再接受你的任何请求。你要么等待你的IP地址从网站黑名单里移除,要么就换个IP地址(可以购买黑洞代理IP)。如果你确定自己并没有被封杀,那么再检查下面的内容。


  五、确认你的爬虫在网站上的速度不是特别快。快速采集是一种恶习,会对网管的服务器造成沉重的负担,还会让你陷入违法境地,也是IP被网站列入黑名单的首要原因。给你的爬虫增加延迟,让它们在夜深人静的时候运行。切记:匆匆忙忙写程序或收集数据都是拙劣项目管理的表现;应该提前做好计划,避免临阵慌乱。


  六、还有一件必须做的事情:修改你的请求头!有些网站会封杀任何声称自己是爬虫的访问者。如果你不确定请求头的值怎样才算合适,就用你自己浏览器的请求头吧。


  七、确认你没有点击或访问任何人类用户通常不能点击或接入的信息。


  那么,有哪些对策来解决这些问题呢?


  网站防采集的前提就是要正确地区分人类访问用户和网络机器人。虽然网站可以使用很多识别技术(比如验证码)来防止爬虫,但还是有一些十分简单的方法,可以让你的网络机器人看起来更像人类访问用户。


  1、构造合理的HTTP请求头,设置User-Agent。


  2、正常的时间访问间隔,不要在极短的短时间内访问。


  3、多用一些代理ip,让服务器认为是不同的用户在访问。


  4、申请多个key,各个key轮流使用,突破QPS限制和访问次数限额。


相关文章内容简介

1 爬虫经常被封有哪些原因有哪些对策

  爬虫经常被封有哪些原因有哪些对策?大数据时代下,采集数据常用的方法是写一个爬虫程序向网络服务器请求数据,然后对数据进行解析,然后提取所需要的信息,然而,事情并不能一帆风顺,请求数据时经常受到访问限制,或者被误认为频繁访问恶意攻击网站,对IP进行封禁,导致爬虫程序被终止,timeout httperror等。  一、首先,检查JavaScript。如果你从网络服务器收到的页面是空白的,缺少信息,或其遇到他不符合你预期的情况(或者不是你在浏览器上看到的内容),有可能是因为网站创建页面的JavaScript执行有问题。  二、检查正常浏览器提交的参数。如果你准备向网站提交表单或发出POST请求,记得检查一下页面的内容,看看你想提交的每个字段是不是都已经填好,而且格式也正确。用Chrome浏览器的网络面板(快捷键F12打开开发者控制台,然后点击“Network”即可看到)查看发送到网站的POS [阅读全文]

热门标签

最新标签

推荐阅读

  1. 25

    2019-11

    HTTP代理ip可以突破防采集吗?

    人们使用http代理IP的用途有很多,其中突破防止采集就是其中的一个用途,常见的Web反采集策略大概有5种,他们是:

  2. 24

    2019-09

    选择高质量ip代理地址原因

    高质量免费 代理ip地址 的选择对于人们的网络信息安全至关重要,能够给人们的生活和工作带来便利。选择一个高质量免费代理ip地址,就是选择一个安全的网络环境,是对自己的信息安全负责

  3. 31

    2019-07

    IP代理服务器池是由什么组成?

    首先我们要保证我们的电脑处于代理服务器网络连接状态,并且代理wifi软件,打开我们的iphone手机,连接我们的wifi热点,此时我们在看我们的电脑的热点,发现我们的手机处于连接状态了,们

  4. 28

    2019-09

    为什么要使用ip代理?

    为什么要使用ip代理?您可能知道,ip代理是一台隐藏您的 真实IP 地址并充当您的新Web入口点的计算机。 如果您一直想知道何时需要代理ip,您可能想知道应该使用代理ip的原因。

  5. 10

    2019-09

    HTTP代理IP如何帮助爬虫?

    在一大堆技术术语里,最为被大家所熟知的大概就是“网络爬虫”了。其实网络爬虫这个名字就已经特别好地表现出了这项技术的作用——像密密麻麻的虫子一样分布在网络上,爬行至每一个网

  6. 10

    2019-04

    代理IP与数据挖掘

    本文仅是我们“ 使用代理进行数据挖掘和爬取的最终指南 ”的一小部分。