您的位置:首页 > 新闻资讯 >文章内容
爬虫爬取要设置代理IP
来源:互联网 作者:admin 时间:2019-05-24 12:07:00

    爬虫爬取要设置代理IP,这是必须的事情,不然突破不了IP限制,自然也就爬取不了了。或者爬一下就停一下,或者控制爬取的频率,不过这些都不是长久之计。


    因为高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力,所以同一个IP反复爬取同一个网页,就很可能被封,这里讲述一个爬虫技巧,设置代理IP。


    这里介绍一下免费获取代理IP的方法,这个方法的优点就是免费,但是缺点就是爬取后存在很多不能用的


    IP地址取自国内髙匿代理IP网站,一般上我们爬取首页IP地址就足够一般使用,或者你也可以爬取第一页,第二页…的


    安装requests库安装bs4库安装lxml库


    话不多说直接上代码吧


爬虫爬取要设置代理IP


    函数get_ip_list(url, headers)传入url和headers,最后返回一个IP列表,列表的元素类似122.114.31.177:808格式,这个列表包括国内髙匿代理IP网站首页所有IP地址和端口


    函数get_random_ip(ip_list)传入第一个函数得到的列表,返回一个随机的proxies,这个proxies可以传入到requests的get方法中,这样就可以做到每次运行都使用不同的IP访问被爬取的网站,有效地避免了真实IP被封的风险


    proxies的格式是一个字典:{‘http’: ‘http://122.114.31.177:808‘},可以将下面的执行也封装为方法


    对于抓取IP这个,犀牛代理服务器做了反爬处理,如果你频繁去抓取的话,服务器会主动返回503错误,提示block,所以在请求的时候可以先一次请求完保存一个文件,来读取这个文件,或者爬取一个ip使用几分钟后,再去爬取一次,相当于加一个定时功能


    运行上面的代码会得到一个随机的proxies,把它直接传入requests的get方法中即可


    这里想提醒的是,免费的代理IP稳定性还需要商榷,建议如何是大量的进行信息爬取的话还是购买一些代理IP比较好,像机灵代理这类的还不错,能够直接提取大量的IP使用。


    经过上文的学习,大家知道爬虫爬取要设置代理IP,获取免费代理IP的方法也给大家介绍了,如果觉得不好用,就要用付费的了,例如机灵代理这样的也可以的。


相关文章内容简介
推荐阅读
  • 20 2019-06
    IP代理的质量不行能提高么?

    IP代理的质量不行能提高么?在日常的网络工作中,很多网络工作者需要使用到IP代理来辅助完成任务,如比较常见的爬虫工作、营销发帖、网络投票、效果补量等,有是使用第三方工具,有的

  • 03 2019-04
    爬取网页信息为何要使用代理IP?

    代理IP有高匿名的,也有不匿名的,如果python爬虫使用代理IP爬取网页,是选高匿的还是不匿名的呢?爬取网页信息为何要使用代理IP?

  • 27 2019-07
    理性认识使用爬虫代理

    爬虫代理虽然是可以突破网络的IP限制,但是这不代表使用了爬虫代理,就能无所不能了,我们需要理性认识使用爬虫代理。

  • 27 2019-09
    可用的代理服务器地址获取方式

    代理服务器用着用着断了,突然被墙了,这种情况确实让人心烦。但是也没有办法,毕竟如今的打压力度比较严厉,能怎么办呢?还不是只能继续找可用代理服务器跟代理IP。下面这个教程教大家

  • 22 2019-07
    搭建最新代理IP池怎么用不了?

    搭建最新代理IP池怎么用不了?估计不少人都看过很多搭建代理IP池的文章,就想着也学下,找些免费的代理IP使用不是很好么?然后发现都是坑,无法使用。这怎么回事呢?

  • 12 2020-03
    IP代理类型http

    关于代理ip的类型,大家知道的有几种?其实代理ip的分类也是要按照互联网协议来进行的,换言之,互联网协议有几种,那么代理ip就有几种。

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