您的位置:首页 > 新闻资讯 >文章内容
爬虫程序中添加随机代理IP
来源:互联网 作者:admin 时间:2019-04-17 16:00:00

  爬虫程序中添加随机代理IP:在Scrapy中更换请求对象的IP信息非常的方便,只需要在request对象进入下载器之前,修改request对象的参数信息。


  所以我们需要在下载器中间件Download_middleware中自定义一个下载器中间件ProxiesMiddleware,在process_request()函数中修改request对象信息。


爬虫程序中添加随机代理IP


  其中PROXIES_LIST是构建的代理列表。


  process_request的参数分别是request当前请求对象,spider当前的爬虫对象。


  返回None,Scrapy将继续处理该Request;


  返回Request对象时,这个Reuqest会重新放到调度队列里,更低优先级的process_reqyest()函数不会执行;


  返回Response对象时,直接将Response对象发送给Spider来处理。


  现在每次发送一次请求,请求对象的IP信息就会从配置中的代理IP池中随机挑选一个。不同的IP就会迷惑服务器监控,不会对本次请求做反爬处理了。不过没有哪个代理是能保证百分之百成功的。付费代理也好,免费代理也好,即使是高匿代理也只不过是提高了防反爬的几率,并没有说一定会成功的。


  问题来了:如果加入了随机代理的请求被反爬了,应该如何解决呢?换下一家网站?收拾铺盖跑路?还是跟它死磕呢?


  请求失败的解决方案有两种:


  1.多试几次,直到请求成功,不成功就报错。


  2.换一个代理试试,直到换成请求成功的代理。对代理质量要求必须高。如果代理池质量很差,项目就会陷入死循环中。


  解决逻辑是:设置重试次数,达到指定次数就换代理。


  幸运的是Scrapy框架中自带了处理失败请求的中间件RetryMiddleware。


  源码如下:


爬虫程序中添加随机代理IP

爬虫程序中添加随机代理IP

爬虫程序中添加随机代理IP


  注释的部分是添加的加入代理的逻辑,需要继承RetryMiddleware之后再重写。


爬虫程序中添加随机代理IP


  在settings中设置最大重试次数以及需要进行重试的异常状态码列表。


  关闭Scrapy自带的RetryMiddleware中间件,开启自定义的Retry中间件。


爬虫程序中添加随机代理IP


  启动项目测试。遇到失败的请求会重新发送,超过最大重试次数以后返回一个空的数据。


  这就是我们预期的结果了,剩下的就是提高代理池的质量,就能最大程度的保证爬虫的可用性了。


爬虫程序中添加随机代理IP


  可以在settings中开启限制爬取速度的配置,使得我们的爬虫项目更接近点击行为操作,提高反反爬效率。


  以上就是关于爬虫程序中添加随机代理IP的方法,如果还没有代理IP使用,可以考虑下机灵代理,品质值得信赖!


相关文章内容简介
推荐阅读
  • 23 2019-06
    http代理解决爬虫工作效率问题

    http代理解决爬虫工作效率问题,小规模的数据爬取,效率稍微慢一些影响并不是很大,但对于大规模爬虫来说,效率是最核心的问题,没有效率,就没有意义。没有哪个公司或者个人愿意等一

  • 18 2020-05
    什么是高匿名代理

    HTTP代理按匿名度分为透明代理、匿名代理和高度匿名代理。这3种代理,主要是在代理服务器端的配置不同,导致其向目标地址发送请求时,REMOTE_ADDR,HTTP_VIA,HTTP_X_FORWARDED_FOR三个变量不同。

  • 18 2019-04
    http代理要设置授权才能使用,是不是很麻烦?

    http代理要设置授权才能使用,是不是很麻烦?许多朋友认为在使用http代理时,绑定IP白名单很麻烦。一些朋友经常告诉我,你看看这家、那家都不用绑定白名单的,拿到IP就能直接使用,多方便

  • 23 2019-02
    使用HTTP代理IP突破网站限制IP投票次数

    ​很多朋友总是在朋友圈拉人投票,谁的朋友多就能获得更多的票数,至于本身实力是否能得第一已经不太重要。

  • 04 2019-07
    动态IP软件有什么用?

    动态IP软件有什么用?动态IP软件主要是可以换IP,这换IP有什么用呢?好些平常也没有什么需要更换IP地址的?

  • 27 2019-08
    网络爬虫如何利用代理IP?

    互联网发展日新月异,大量数据的获取跟分析都离不开爬虫工作,可是网站的防爬虫机制也在不断的升级,爬虫工作者如果想要爬虫工作顺利进行,目前都会选择使用代理IP这种稳定的方式。下

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