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 2019-08
    代理IP在使用过程中经常会遇到哪些错误

    ​在在日常工作中,有的网站打不开,受到了限制,这可以用代理IP来访问。使用代理IP的过程中,经常会遇到一些问题,可能一夜醒来,发现代理IP全都不能用了,也有可能就吃了个中午饭,下

  • 18 2019-08
    爬虫代理IP的获取方式有哪些

    ​随着互联网的迅猛发展,爬虫工作日益重要,而爬虫工作者一般都绕不过代理IP这个问题,为什么呢,这是因为在网络爬虫抓取信息的过程中,抓取频率高过了目标网站的设置阀值,将会被禁

  • 01 2018-11
    使用代理IP提升文章浏览量

    互联网行业发展迅速,很多平台诞生了,同时也出现了很多作家,写手。但是要想成为一个有名气的作家是很难的

  • 14 2019-01
    适合新手使用的IP代理软件

    ​近几年,随着互联网大数据时代来临,IP代理软件得到了蓬勃发展。如今市面上各类IP代理软件多如牛毛,对于初次使用代理IP软件的新手们,如何从众多的切换工具中挑选到称心如意的一家呢

在线客服

QQ资讯

上班时间