您的位置:首页 > 新闻资讯 >文章内容
关于爬虫遇到的各种限制问题
来源:互联网 作者:admin 时间:2019-02-25 16:21:18

  爬虫被禁IP这是个非常常见的问题,应对的方法也唯有换IP了,不然怎么也避免开这IP被封的情况。除了IP被封外,爬虫还是会遇到其他的问题,若是不能成功的伪装过去,那么被发现是迟早的事情。下面来了解下关于爬虫遇到的各种限制问题:


  1.设置访问时间间隔


  很多网站的反爬虫机制都设置了访问间隔时间,一个IP如果短时间内超过了指定的次数就会进入“冷却CD”,所以除了轮换IP和user_agent


  可以设置访问的时间间间隔长一点,比如没抓取一个页面休眠一个随机时间:


  import time,random


  time.sleep(random.random()*3)


  对于一个crawler来说,这是一个比较responsible的做法。


  因为本来爬虫就可能会给对方网站造成访问的负载压力,所以这种防范既可以从一定程度上防止被封,还可以降低对方的访问压力。


关于爬虫遇到的各种限制问题


  2.user_agent伪装和轮换


  不同浏览器的不同版本都有不同的user_agent,是浏览器类型的详细信息,也是浏览器提交Http请求的重要头部信息。我们可以在每次请求的时候提供不同的user_agent,绕过网站检测客户端的反爬虫机制。比如说,可以把很多的user_agent放在一个列表中,每次随机选一个用于提交访问请求。


  3.使用代理IP和轮换


  检查ip的访问情况是网站的反爬机制最喜欢也最喜欢用的方式。这种时候就可以更换不同的ip地址来爬取内容。当然,你有很多有公网ip地址的主机或者vps是更好的选择,如果没有的话就可以考虑使用代理,让代理服务器去帮你获得网页内容,然后再转发回你的电脑。代理按透明度可以分为透明代理、匿名代理和高度匿名代理:


  高匿代理:这是最保险的方式,目标网站既不知道你使用的代理更不知道你的源IP。


  匿名代理:匿名程度比较低,也就是网站知道你使用了代理,但是并不知道你的源IP地址。


  透明代理:目标网站知道你使用了代理并且知道你的源IP地址,这种代理显然不符合我们这里使用代理的初衷。


  以上就是爬虫遇到的各种限制问题,没有解决不了的限制,关键是成本问题,若是成本比获利低,估计大家肯定是选择爬取的。代理的获取方式可以去购买,比如代理精灵;当然也可以去自己爬取免费的,但是免费的代理通常不够稳定。建议做项目,还是购买代理IP使用比较好,这样IP有效率高,能提升我们的工作效率。


相关文章内容简介
推荐阅读
  • 25 2019-10
    不同匿名程度的代理IP如何选择?

    想要做到隐藏自己的IP地址,我们需要根据代理IP不同的匿名程度来进行选择才行。不然是无法真正做到隐藏真实IP的,因为根据匿名级别的不同,IP的匿名能力也会不同。

  • 18 2019-05
    私密代理ip和高匿名代理IP的区别

    私密代理ip和高匿名代理IP的区别,这两个的匿名程度怎样?随着互联网的发展,人们对代理ip的使用量越来越大,但是随之而来的隐私问题也使得使用者选择代理ip时更加谨慎。作为一个私密性

  • 08 2019-05
    代理IP使用后是否能避开蜜罐?

    代理IP使用后是否能避开蜜罐?蜜罐技术是网站设置的反爬虫,如果你上当了,可能就会被网站抓住了,如果想要避开,是否使用可以代理IP呢?

  • 12 2019-02
    换IP要注意哪些问题?如何解决呢?

    我们在换IP的过程中,很容易出现问题,常见的有806、807错误,这代表什么问题?如何解决呢?下面跟小编一起去了解下。

  • 13 2019-05
    代理IP池分为免费IP池、共享IP池、专属IP池

    代理IP池分为免费IP池、共享IP池、专属IP池,这是根据使用代理IP的情况划分的。免费代理IP和公共代理或开放代理IP,成千上万的人正在使用,甚至更多。使用共享IP池是一个服务提供商,建立

  • 27 2020-10
    代理ip​确保网络不受限

    经常上网的人都会遇到这么一个问题,IP地址被网站封禁导致无法正常访问了。这是由于网站认为你的IP地址访问量过大,危害到了网站所以把你拒之门外了,这种问题其实非常常见,解决方法

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