您的位置:首页 > 新闻资讯 >文章内容
3种通过代理IP爬虫的方案
来源:互联网 作者:admin 时间:2019-08-22 13:43:11

  代理IP在爬虫业务的应用是越来越广泛,根据不同的布局,爬虫的质量效果也会有所不同,下面跟大家介绍以下3种分布式爬虫的方式,每个方案的优缺点都可以直观看到。


3种通过代理IP爬虫的方案


  方案一、每个进程从接口API中随机取一个IP来使用,失败则再调用API获取一个IP。


  1、每个进程,从接口随机取回一个ip来,用这个ip来浏览资源


  2、要是访问成功,则继续抓下一条


  3、要是失败了,再从接口随机取一个IP,继续尝试


  方案不足之处:调用API获取IP的行为非常频繁,会对代理服务器造成特别大的压力,影响API接口稳定,可能会被限制提取,无法持久稳定的运行。


  方案二:每个进程从接口API中随机取一个IP列表来反复使用,失效后再调用API获取。


  1、每个进程,从接口随机取回一批ip回来,反复试着ip目录去抓取数据


  2、要是访问成功,则继续抓取下一条


  3、要是失败了,再从接口取一批IP,继续尝试


  方案不足之处:每个IP都是有期限的,要是提取了一百个,用到第二十个时,或许剩下的大多数都无法使用了。要是设置HTTP请求时连接时间超时是3秒,读取时间超时是5秒,那么或许会耗费3-8秒的时间,在这3-8秒内可能抓取了几百次了。


  方案三:先提取大量IP导入本地数据库,从数据库里面取IP


  1、在数据库里面建一个表,写一个导入脚本,每分钟请求多少次API(这里可以咨询代理IP服务商建议),把IP列表导入到数据库里面


  2、在数据库里面记录好 导入时间、IP、Port、过期时间、IP可用状态 等字段


  3、写一个抓取脚本,抓取脚本从数据库里面读取可用IP,每个进程从数据库获取一个IP进行使用


  4、执行抓取,对结果进行判断,处理cookie等,只要出现验证码或者失败就放弃这个IP,重新换一个IP


  方案优势:这种方案有效的避开了代理服务器资源的消耗,有效的分配代理IP的使用,更加的高效和稳定,保障了爬虫工作的持久性和稳定性。


  综上对比,第3种方案能够将代理IP更加有效的利用起来,而且也不会造成IP的浪费。毕竟大家也不想爬虫爬到一半就出现故障,又要排除故障,重新设置。


相关文章内容简介
推荐阅读
  • 08 2020-04
    如何挑选代理ip

    现代互联网技术越加发达,其功能也越来越强大。不同人群对互联网有不同的需求,则其所需要的IP资源也不一样。接来下,我们来看看不同人群对于IP代理资源有哪些不同的需求。

  • 10 2019-07
    ip获取可以通过api提取ip

    ip获取可以通过api提取ip,这个方法是非常快速的,而且还能获取到大量的ip,推荐找机灵代理的,因为质量非常好。

  • 26 2019-08
    代理IP使用有什么好处?

    代理IP可能对于普通用户而言,使用率跟熟悉率都不高,通常是爬虫工作者或是某些项目需要大量不同IP才会利用到,可是代理IP的作用不仅仅如此,使用代理IP有什么好处呢?

  • 24 2019-10
    代理IP的使用板块

    对代理IP不太熟悉的用户,在购买了服务之后,可能会对操作使用比较陌生,也不知道各种名词是什么意思。下面机灵代理,给大家带来代理IP使用的操作板块,让大家熟悉一下。

  • 30 2019-10
    苹果手机能用代理IP吗?

    有时候我们对某个网站访问得比较频繁,会发现我们无法进入这个网站,这种时候,就是换IP软件派上用场的时候了。电脑可以用代理IP,手机也可以吗?

  • 11 2019-12
    代理服务器都有哪些好处?

    你是否担心投票数不够而排不到好的名次?你是否担心网速不够而抢不到国外的物品?你是否担心上网过程中暴露个人的隐私信息?没关系代理IP帮你解决这个问题,让我们来看一下它的功能:

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部