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
  • 04 2020-03
    什么行业需要ip代理软件

    现在网络中的黑客是越来越多,而且稍不留意就会在网络中留下自己的痕迹。通常情况下,需要设置代理来隐藏自己的IP;另外很多行业也需要代理ip,例如SEO。

  • 16 2019-05
    选择优质的爬虫代理供应商

    在这个时候,我们就需要用到爬虫代理。但是爬虫代理需要选择合适的供应商,但是如何选择优质的爬虫代理供应商呢?

  • 28 2020-01
    电脑可以换ip吗

    随着网络的不断发展,已经成为了我们生活中的一部分,想要上网就需要要有IP地址,相当于我们网络身份证,没有IP地址就没有办法上网。那么,电脑换IP有什么影响呢?

  • 19 2020-06
    代理IP对于Python爬虫有多重要

    随着大数据时代的到来,爬虫已经成了获取数据的必不可少的方式,在使用爬虫多次爬取同一网站时,经常会被网站的IP反爬虫机制给禁掉,为了解决封禁IP的问题,通常会使用以下两种方式:

  • 04 2019-09
    代理IP池的使用

    代理IP池的使用与维护方法,你了解吗?机灵代理今天来为新手进行介绍,帮助新手快速入门。

  • 10 2020-09
    推广用什么换IP软件好

    网络推广工作最常见的问题就是遇到IP限制,现在网站都有限制,来规范操作。对于IP限制,现在已经有了很好用的换IP软件,那就是代理IP,可以解决IP限制带来的问题。

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