您的位置:首页 > 新闻资讯 >文章内容
分布式爬虫如何提取代理IP?
来源:互联网 作者:admin 时间:2019-10-29 10:55:23

  分布式爬虫提取代理IP用哪一种方式比较好?我们要怎么提取才能够按照自己的需求来合理使用代理IP呢?机灵代理来为大家带来讲解。


分布式爬虫提取代理IP


  一:每个线程单次获取一个IP列表


  每个进程从接口使用API链接中随机取一个IP列表,如单次通过api链接获取100ip使用,访问失败或者失效则再调用API获取。


  每次每个线程,通过api链接随机提取回一批IP回来,循环使用IP列表去爬取采集数据;


  如果访问成功,则继续抓取下一条。如果失败了(比如超时、出现验证码等),再从接口取一批IP,继续尝试。


  这种方式获取到的ip没有在最佳的时间里使用,因为每个ip有效存活期限的,如果单次获取100个ip,当您用到前50个ip时候,可能后面的全部失效的,当从获取到的ip就开始计时有效存活时间,ip在等待使用时已经开始慢慢再在失效了。造成了ip很大的浪费,没有在提取第一时间使用。


  二:每个线程单次获取一个IP


  每个进程从接口使用API链接中随机提取一个IP出来使用,如访问失败,无效则再调用API链接提取一个IP。


  每个线程,从接口通过api链接随机提取回一个IP出来,使用获取到的代理IP去访问资源,如果访问成功,则继续抓下一条。如果失败了(比如超时、出现验证码等),再从接口随机取一个IP,继续尝试。


  这种情况使用api链接频繁的调用API获取IP,会对代理服务器造成非常大的压力,影响API链接的稳定性,也有可能因频繁调用会被误以为遭受到攻击,api链接会被限制获取。所以这种方式不建议大家使用。


  三:获取到的IP导入本地数据库


  首先通过api链接提取出大量IP导入本地数据库,再从数据库里面提取ip,在数据库里面建一个表,写一个导入脚本,调用api链接间隔时间是多少,这个间隔时间可在购买代理ip的服务平台注明或者客服告知,然后将提取到的IP列表导入到数据库里面。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;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。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。


  综上分析得出来得结论,第三种方法是我们分布式爬虫获取代理ip最佳的方式:


  1、可以避开频繁调用api链接获取ip,防止api链接提取收限制,增加提取的稳定性,减少服务器的压力。


  2、可以在ip最佳的有效时间中使用,减少大量的ip浪费,更好的ip利用,提高工作有效率。


  以上,虽然分布式爬虫提取代理的方式有很多,但是为了最优化使用,这里推荐大家使用第三种更合适。


相关文章内容简介
推荐阅读
  • 14 2020-05
    电脑ip地址被封的原因

    为什么我们的账号会被平台给封掉?有的时候发帖子、发消息频繁账号就被禁了,有的时候是挂机玩游戏,被平台发现了游戏账号也封了。引起封号的原因以及解决方法,机灵代理下面就来给大

  • 30 2019-05
    使用代理IP无效的情况以及原因

    很多人认为有了代理IP,可以放心的做很多事情了。但事实并不是这样的,有些时候使用代理后,发现没什么卵用,那可真是悲伤逆流成河。这是为什么呢?

  • 02 2019-06
    自己搭IP代理池能用么?

    自己搭IP代理池能用么?每个项目需要使用的代理IP数量不同,一般来说像做营销推广的,换IP换账号发帖,或者问答等,这些需要的IP量相对来说是比较少,而类似于刷票,刷单这些,需求的IP

  • 28 2019-04
    动态IP代理能快速增加阅读量

    动态IP代理能快速增加阅读量,有些人可能会比较拒绝,其实互联网中的大部分浏览量都是爬虫贡献的,只是你不知道摆了。

  • 15 2019-03
    设置代理IP使用,要注意并发问题

    当我们首次接触一件事情,或者是不熟悉的时候,是会经常遇到各种各样的问题,而我们在处理这些问题的过程中就会逐渐掌握了一些实用的技巧。对于代理IP的使用也是如此,刚刚接触到代理I

  • 03 2019-09
    代理IP促进了哪些大数据技术的发展?

    大数据这个词可以说是当下的热词,互联网相关的核心技术都离不开大数据,甚至是营销也需要用到大数据的力量。而大数据之所以能够由那么强大的功能,离不开背后支撑它的技术,像代理IP

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