在新手开发爬虫功能的时候,很容易出现单个ip被冻结事件。
What:
最简单的表现就是拿不到相应的数据流。
Why:
ip被冻结是什么原因
How:
肯定就是网上提供的一些比较基础的方法,分分钟就可以上手。
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。
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。
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
经过个人去实验还是使用代理IP和轮换相对于其他这个比较容易好用 但是需要一个靠谱的代理服务器,规避这些风险。