您的位置:首页 > 新闻资讯 >文章内容
爬虫代理:寻找可用代理ip
来源:互联网 作者:admin 时间:2019-02-28 15:25:29

  假如我们高频率访问网页,会被网站发现被检测到IP,可能会导致IP被封,或者限制访问的。但为了任务,又不能放弃,这该怎么办呢?现在爬虫和反爬虫一直在斗争,这是不可避免的问题,但是爬虫也是有方法应对的,那就是使用代理IP,这是最效果的方法。


  一、寻找可用代理ip


  我们百度代理ip会出现各种各样的代理ip网站,有免费的,有收费的。


  1.免费的:


  这些免费的代理ip,大部分都失效了,但是还是有一些有用的,有用率大概在10%左右。我们可以将验证时间在1个小时之内的ip和端口抓取下来(大概是第一个页面),然后验证哪些ip可用。在验证代理是否有效的时候,代码运行需要时间比较长,读者可以将其改成多线程。免费代理适用于需求量较少的情况。


爬虫代理:寻找可用代理ip


  2.付费的:


  这些付费代理,有些也并不是可用率都非常高的,因为有些直接是网络扫描得来的,虽然已经有检测过了,但是有效率依然不高,每家的代理有效率在20%~60%左右。有能力也不用购买,就自己扫描检测好了。


  若是需要更高有效率的代理IP,需要根据自己的需求购买更贵的私密代理或者独享代理。比如:


  代理精灵:http://www.jinglingdaili.cn


  IP代理精灵:http://www.ipjldl.com/


  黑洞HTTP:http://http.hunbovps.com/


  购买付费代理,在代理网站生成提取代理链接后,提取代理,然后验证代理的有效性,步骤和免费代理差不多,只是提取代理的url不同而已,自行尝试。


  二、代理IP的调用


  要调用代理,我们首先要构建一个代理池。需要实现的功能:


  1.定时验证代理的有效性,将无效代理删除。因为免费代理或者购买的代理有效时间不确定,有几分钟,几十分钟,几个小时等,我们要保证我们代理池中的代理基本都是有效的,这样才能使我们抓取成功率高。


  2.每个代理都需要记录最后一次访问网站的时间。为了控制一个代理至少隔多少时间才能再次访问。


  3.随机选择一个符合上述条件的代理,来作为我们的代理。建立代理池,定时更新代理,代理调度的代码。


  我们在采集数据的时候,遇到IP限制,大家都知道应该怎么做了吧,是的,可以使用代理IP,这可能快速有效的解决办法。即使降低访问频率,效果也没有那么好,而且还可以降低抓取的效率。因此,代理IP是非常有用的。


相关文章内容简介
推荐阅读
  • 03 2019-06
    数据采集光有代理IP还不够

    数据采集光有代理IP还不够,还需要突破其他的反爬虫,例如伪造User-Agent和伪造cookies等等。本文就如何解决这个问题总结出一些应对措施,这些措施可以单独使用,也可以同时使用,效果更好

  • 14 2019-03
    为了保证安全,推荐使用HTTPS协议的代理

    很多因素都会影响网络爬虫的爬取,若是数据没有伪装好,这是必然会导致系统检测到问题,为了安全起见,网络爬虫应该怎么做?

  • 16 2019-04
    分布式爬虫缺陷,爬得越快封得也越快,http代理能解决吗?

    分布式爬虫缺陷,爬得越快封得也越快,http代理能解决吗?确实,在网站来说,爬得越快就证明你越有问题,对于这类的爬虫,网站是毫不手软的。

  • 06 2019-05
    代理IP可以解决投票IP限制问题

    大家有没有帮家人或者同学之类的投过票呢?很多的投票都会进行拉票,但是拉票的数量也不是很多,就看人际关系了。因此有些人就会选择刷票,不过有些投票是有IP限制的,那么如何解决这

  • 17 2019-05
    手动换IP还是自动换IP好?

    手动换IP还是自动换IP好?如今很多人对于很多现代化的平台并不是十分信任,总觉得通过自己手动操作看到平台运行过程才能够更加放心。这种人虽然对工作更加负责,但是却更浪费时间。根

  • 10 2019-04
    代理IP从何而来?机灵代理自建服务器

    代理IP从何而来?刚自学爬虫的时候没有代理IP就去西刺、快代理之类有免费代理的网站去爬,还是有个别代理能用。当然,如果你有更好的代理接口也可以自己接入。

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961