您的位置:首页 >文章内容
分布式爬虫如何使用代理IP呢?
来源: 作者:admin 时间:2018-10-31 15:00:00

大家都知道,爬虫工作与代理ip息息相关,没有代理ip,工作的难度将会大大增加,那么爬虫工作是如何使用代理ip的呢?请看下面分析。


方案一、每个进程从接口API中随机取一个IP列表(比如一次提取100个IP)来循环使用,失败则再调用API获取,大概逻辑如下:

1、每个进程(或线程),从接口随机取回一批IP回来,循环尝试IP列表去抓取数据;

2、如果访问成功,则继续抓取下一条。

3、如果失败了(比如超时、出现验证码等),再从接口取一批IP,继续尝试。

方案缺点:每个IP都是有有效期的,如果提取了100个,当使用了第10个的时候,可能后面的大部分都失效了。如果你设置HTTP请求的时候连接时间超时为3秒,读取时间超时为5秒,那你将会有可能浪费3-8秒的时间,说不定这3-8秒已经可以抓取几十次了。



方案二:先提取大量IP导入本地数据库,从数据库里面取IP,大概逻辑如下:

1、在数据库里面建一个表,写一个导入脚本,每分钟请求多少次API(咨询代理IP服务商建议),把IP列表导入到数据库里面。

2、在数据库里面记录好 导入时间、IP、Port、过期时间、IP可用状态 等字段;

3、写一个抓取脚本,抓取脚本从数据库里面读取可用IP,每个进程从数据库获取一个IP进行使用。

4、执行抓取,对结果进行判断,处理cookie等,只要出现验证码或者失败就放弃这个IP,重新换一个IP。


第二种方案有效的避开了代理服务器资源的消耗,有效的分配代理IP的使用,更加的高效和稳定,保障了爬虫工作的持久性和稳定性。除此之外,选择一款高效稳定的代理IP软件也是非常重要的,对于爬虫工作是非常便捷的。


按字母排序文章
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
相关文章内容简介更多>>
最新标签
推荐阅读
  • 13 2018-09
    代理服务器怎么使用更安全

    代理服务器是连接内部网与外部网的桥粱,一般可以被internet上的站点访问,因此应该具有良好的防护措施,能够抵御各种可能的来自internet的进攻。

  • 06 2019-05
    目前网上的爬虫代理IP哪家好

    ​在抓取网站信息过程中,爬虫用户最常遇见的就是IP被封,这是因为网站为了防止爬虫,会对每个来访的IP进行访问速度和访问次数的限制,对于限制访问速度的情况

  • 23 2018-11
    HTTP代理与SOCKS代理一样吗?

    大家应该都听过HTTP代理与SOCKS代理,那么它们一样吗?有什么区别呢?请看下面的介绍

  • 16 2018-11
    手机如何通过代理服务器上qq

    互联网时代,大家对于qq肯定是非常熟悉,人手一个,也可能是人手几个

在线客服

QQ资讯

上班时间