動(dòng)態(tài)秒換IP服務(wù)器，讓爬蟲(chóng)運(yùn)行更加順利！

一、前言

一般而言，抓取稍微正規(guī)一點(diǎn)的網(wǎng)站，都會(huì)有反網(wǎng)絡(luò)爬蟲(chóng)的制約。反網(wǎng)絡(luò)爬蟲(chóng)主要有以下幾種方式：

根據(jù)UA判斷。這是最低級(jí)的判斷，一般反網(wǎng)絡(luò)爬蟲(chóng)不會(huì)用這個(gè)做唯一判斷，因?yàn)榉捶淳W(wǎng)絡(luò)爬蟲(chóng)非常容易，直接隨機(jī)UA即可解決。

根據(jù)單IP頻繁訪問(wèn)判斷。這個(gè)判斷簡(jiǎn)單，而且反反網(wǎng)絡(luò)爬蟲(chóng)比較費(fèi)力，反網(wǎng)絡(luò)爬蟲(chóng)好方案。需采用多IP抓取。

根據(jù)Cookie判斷，例如根據(jù)會(huì)員制賬號(hào)密碼登陸，判斷單賬號(hào)短時(shí)間抓取次數(shù)判斷。這個(gè)反反網(wǎng)絡(luò)爬蟲(chóng)也很費(fèi)力。需采用多賬號(hào)抓取。

動(dòng)態(tài)頁(yè)面加載。這個(gè)考驗(yàn)前端工程師的功底，假如前端寫(xiě)的好，各種JS判斷，各種邏輯，像百度，淘寶一樣，post登錄很難。較好的方法，但是對(duì)于大牛，還是防不勝防。反反網(wǎng)絡(luò)爬蟲(chóng)多采用渲染瀏覽器抓取，效率低下。

采用驗(yàn)證碼。這里要不是登錄的時(shí)候有驗(yàn)證碼，要不是判斷是網(wǎng)絡(luò)爬蟲(chóng)時(shí)，不封IP，而是采用驗(yàn)證碼驗(yàn)證，例如鏈家網(wǎng)。驗(yàn)證碼是反網(wǎng)絡(luò)爬蟲(chóng)性價(jià)比較高的方案。反反網(wǎng)絡(luò)爬蟲(chóng)一般接入OCR驗(yàn)證碼識(shí)別平臺(tái)或是人工打碼平臺(tái)，亦或是利用Tesseract OCR識(shí)別，亦或是采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練識(shí)別驗(yàn)證碼等。

二、概要

今天咱們先主要來(lái)講一講，如何應(yīng)對(duì)第2條的反反網(wǎng)絡(luò)爬蟲(chóng)，如何根據(jù)多IP抓取。根據(jù)多IP網(wǎng)絡(luò)爬蟲(chóng)，又分為以下幾種形式：

根據(jù)ADSL撥號(hào)換IP服務(wù)器。每撥一次就會(huì)有一個(gè)新IP，較好解決IP單一問(wèn)題。

假如是局域網(wǎng)，帶路由器的，第一種方法可能不好用。這個(gè)時(shí)候可以模擬登陸路由器，控制路由器重新?lián)芴?hào)，換IP，這其實(shí)是一種折中的辦法，曲線救國(guó)。

代理IP，利用購(gòu)買的或是網(wǎng)上抓取的免費(fèi)代理IP，實(shí)現(xiàn)多IP網(wǎng)絡(luò)爬蟲(chóng)。

分布式網(wǎng)絡(luò)爬蟲(chóng)。采用多個(gè)服務(wù)器，多個(gè)IP，多個(gè)slave網(wǎng)絡(luò)爬蟲(chóng)同時(shí)運(yùn)行，由master負(fù)責(zé)調(diào)度。效率較高，屬于大型分布式抓取，一般用redis分布式抓取，不表。

最近了解到一種新的加密的代理網(wǎng)絡(luò)。Tor匿名網(wǎng)絡(luò)，利用這個(gè)也能匿名換IP。這個(gè)還沒(méi)有詳細(xì)了解，不表。

三、正文

1. ADSL撥號(hào)

我一般是在windows平臺(tái)ADSL撥號(hào)，其他平臺(tái)暫時(shí)沒(méi)用過(guò)。windows平臺(tái)撥號(hào)，我一般用python的代碼為：

2. 路由器撥號(hào)

假如是局域網(wǎng)，帶路由器的。直接調(diào)用windows的rasdial命令無(wú)法撥號(hào)時(shí)，這個(gè)時(shí)候可以模擬登陸路由器，控制路由器重新?lián)芴?hào)，換IP，這其實(shí)是一種折中的辦法，曲線救國(guó)。下面以登錄小米路由器示例：

利用這個(gè)方法，就實(shí)現(xiàn)了用路由器換IP的目的。該方法的缺陷也是很明顯的。就是不像第一種方法那樣通用?；旧弦粋€(gè)路由器就得編一套代碼，屬于定制代碼。

3. 代理IP

代理IP是最常見(jiàn)的一種多IP網(wǎng)絡(luò)爬蟲(chóng)方法。在請(qǐng)求Headers中加入代理IP地址，即可實(shí)現(xiàn)代理IP抓取。缺陷是爬取速度和代理IP的速度息息相關(guān)。而且好的IP費(fèi)用較高，免費(fèi)的速度普遍不高。

附上requests抓取攜帶代理IP和selenium抓取攜帶代理IP的代碼。

requests:

selenium:

四、尾言

本文主要講了反網(wǎng)絡(luò)爬蟲(chóng)的一些概念，常用的方法，反反網(wǎng)絡(luò)爬蟲(chóng)的一些方法，并且主要介紹了多IP網(wǎng)絡(luò)爬蟲(chóng)的實(shí)現(xiàn)方式，屬于網(wǎng)絡(luò)爬蟲(chóng)領(lǐng)域基礎(chǔ)內(nèi)容。掌握了這些基礎(chǔ)內(nèi)容，以后網(wǎng)絡(luò)爬蟲(chóng)步伐才能邁得堅(jiān)實(shí)。

分享文章：動(dòng)態(tài)秒換IP服務(wù)器，讓爬蟲(chóng)運(yùn)行更加順利！
瀏覽地址：http://www.bm7419.com/news17/99117.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機(jī)、網(wǎng)站策劃、網(wǎng)站改版、服務(wù)器托管、App設(shè)計(jì)、搜索引擎優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)