爬虫ip被封的6个解决方法

Posted 2022-06-11

在爬虫工作中,我们不可避免的会遇到网页的反爬封锁,所以就有了爬虫的***,在攻和守之间两股力量不断的抗衡。接下来就讲讲使用爬虫时ip限制问题的六种方法！　　

方法1.　　

1、IP必须需要，如果有条件，建议一定要使用代理IP。　　

2、在有外网IP的机器上，部署爬虫代理服务器。　　

3、你的程序，使用轮训替换代理服务器来访问想要采集的网站。　　

好处：　　

1、程序逻辑变化小，只需要代理功能。　　

2、根据对方网站屏蔽规则不同，你只需要添加更多的代理就行了。　　

3、就算具体IP被屏蔽了，你可以直接把代理服务器下线就OK，程序逻辑不需要变化。　　

方法2.　　

1、ADSL+脚本，监测是否被封，然后不断切换ip　　

2、设置查询频率限制　　正统的做法是调用该网站提供的服务接口。　　

方法3.　　

1、useragent伪装和轮换　　

2、使用飞速云代理ip和轮换　　

3、cookies的处理，有的网站对登陆用户政策宽松些　　

方法4.　　

尽可能的模拟用户行为：　　

1、UserAgent经常换一换　　

2、访问时间间隔设长一点，访问时间设置为随机数；　　

3、访问页面的顺序也可以随机着来　　

方法5.　

网站封的依据一般是单位时间内特定IP的访问次数.将采集的任务按目标站点的IP进行分组通过控制每个IP在单位时间内发出任务的个数,来避免被封.当然,这个前题采集很多网站.如果只是采集一个网站,那么只能通过多外部IP的方式来实现了.　　

方法6.　　

对爬虫抓取进行压力控制；可以考虑使用代理的方式访问目标站点。　　

1、降低抓取频率，时间设置长一些，访问时间采用随机数　　

2、频繁切换UserAgent（模拟浏览器访问）　　

3、多页面数据，随机访问然后抓取数据　　

4、更换用户IP，这是最直接有效的方法！