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:2019-12-18 09:59:50

  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?机灵代理下面来为大家带来讲解。


分布式爬虫如何提取代理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
  • 06 2019-08
    遭遇封IP免费代理IP能解决吗

    遭遇封IP免费代理IP能解决吗?这个其实比较难,因为免费的质量如何,即使不用,大家心理也是有数的,不管怎么检测都是会对效果有些影响的。

  • 08 2019-04
    爬取视频的弹幕难么?Python爬虫的爬取思路和代码

    前一阵子,都挺好蛮火的,视频的弹幕也多,如果想要爬取这些弹幕,难不难?大约会遇上些什么问题呢?关于这个,我们需要先理清下思路,详细分析之后,再编写爬虫尝试的,下面介绍了一

  • 17 2019-10
    营销人员需要知道的换IP实现原理

    从事网络营销,离不开推广环节。如果是需要刷量、刷阅读等操作,只靠单个IP地址是无效的,因为同个地址也只能够算一次浏览记录。那么,营销人员遇到这种情况会怎么处理呢?

  • 05 2019-09
    手机怎么用动态IP代理?

    手机是不是也能够用代理IP更换IP?现在很多网络操作都转移到手机端上了,手机换IP的需求也变得多。那么,手机切换不同地区的IP是可行的吗?

  • 22 2020-06
    使用代理IP的一些基础知识

    使用代理IP有一些基础知识,我们还是要掌握比较好。不然对代理服务一知半解,很容易就会被一些不良商家的宣传给欺骗,套上一些看起来专业、高大上的术语,迷惑消费者。

  • 03 2019-07
    挑选代理IP商要看几点

    挑选代理IP商要看几点,产品总由质量只差的,想要找更好的,那么比对是非常重要的。一家好的代理IP商要能够保证以下几点:

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