ZOL论坛 > 兴趣圈子论坛 > 神通哥有问必答论坛 > 解放被封爬虫IP的七大方法
帖子很冷清,卤煮很失落!求安慰
返回列表
签到
手机签到经验翻倍!
快来扫一扫!

解放被封爬虫IP的七大方法

20浏览 / 6回复

犀牛小牛

犀牛小牛

0
精华
4
帖子

等  级:Lv.1
经  验:101
  • Z金豆: 8

    千万礼品等你来兑哦~快点击这里兑换吧~

  • 城  市:辽宁
  • 注  册:2018-10-08
  • 登  录:2018-12-06
发表于 2018-12-06 12:55:11
电梯直达 确定
楼主

之前有个邻居孩子要上学,因为没有考上重点,成绩又不算太低,所以打算上一个

好一点的私立高中,家长不知道哪一所学校的口碑和往年的成绩会好一些所以,就请我一个做数据的朋友利用数据分析一下,故此也学到了一些经验

方法1.

不管你要采集什么样的网站,IP一定是必须品,但是要注意的是一定要使用国内代理服务器ip,可以直接使用ip在线代理地址上面直接购买。但是一定要靠谱。这样做的优势是。第一,程序逻辑变化小,只需要代理功能。

第二,根据对方网站的不同屏蔽规则,你可以购买不同的ip代理

第三,假设你目前使用打代理IP被对方的网站屏蔽了,你可以ip,程序逻辑不需要变化。

方法2.

   有一小部分的网站的防范措施是比较薄弱的,可以伪装一下从代理IP服务商那里买的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。我比较喜欢的解决方案是VPS再配多IP,通过默认网关切换来实现IP切换。

方法3.

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4.

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5.

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6.

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7.

1. 对爬虫抓取进行压力控制;

2. 可以考虑使用代理的方式访问目标站点。

总结: 

-降低抓取动态ip地址的更换频率,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

-使用代理IP不间断更换

 


codowa

codowa


精华

帖子

等  级:Lv.6
经  验:9940
发表于 2018-12-06 14:00:38 1楼
不怕神一样的对手,就怕猪一样的队友

heavenknight

heavenknight


精华

帖子

等  级:Lv.3
经  验:961
发表于 2018-12-06 16:34:33 2楼
回帖成功、鼓掌收工!

zhho521

zhho521


精华

帖子

等  级:Lv.9
经  验:59951
发表于 2018-12-06 17:31:13 3楼
很黄很暴力
高级模式
论坛精选大家都在看24小时热帖7天热帖大家都在问最新回答

针对ZOL论坛您有任何使用问题和建议 您可以 联系论坛管理员查看帮助  或  给我提意见

快捷回复 APP下载 返回列表