爬蟲采集被封怎么辦?
jj
2022-04-19
網(wǎng)絡(luò)爬蟲使用代理ip軟件爬取信息的過程中，如果爬取頻率過高或者使用多線程，很容易被禁止訪問。通常，網(wǎng)站的反爬蟲機(jī)制根據(jù)IP和用戶代理來識別爬蟲，所以爬蟲開發(fā)者通常需要采取兩種措施來解決這個(gè)問題:
1.減緩抓取速度，減輕目標(biāo)網(wǎng)站壓力。但這樣會減少單位時(shí)間的類抓取量。
2.第二種方法是通過設(shè)置代理IP等手段，突破反爬蟲機(jī)制，繼續(xù)高頻爬行。但這需要大量穩(wěn)定的代理IP軟件。
IP代理軟件可以免費(fèi)搜索，但是可能不穩(wěn)定。也有收費(fèi)的，比如閃電IP。
下面介紹兩種方式:基于ADSL撥號的常見解決方案。通常在抓取過程中禁止訪問時(shí)，可以再次撥打ADSL獲取新的IP，這樣就可以繼續(xù)抓取了。但這樣一來，在多站點(diǎn)多線程抓取的時(shí)候，如果禁止了某個(gè)網(wǎng)站的抓取，同時(shí)也影響了其他網(wǎng)站的抓取，那么整體的抓取速度也會降低。一種可能的解決方案也是基于ADSL撥號。不同的是需要兩臺能夠ADSL撥號的服務(wù)器，這兩臺服務(wù)器在捕獲過程中作為代理使用。假設(shè)有兩臺服務(wù)器A和B可以撥打ADSL。爬蟲運(yùn)行在C服務(wù)器上，使用A作為代理訪問外部網(wǎng)絡(luò)。如果在爬行過程中禁止訪問，它會立即將代理切換到B，然后再次撥打A。如果再次禁止訪問，切換到A作為代理，B再次撥號，以此類推。
綜上所述，最簡單的方法就是購買現(xiàn)成的代理IP軟件產(chǎn)品。
綜上所述，最簡單的方法就是購買現(xiàn)成的代理IP軟件產(chǎn)品。
