使用爬虫采集网站时，怎么样解决被封ip的问题

1.IP必须需要，，ADSL。如果有条件，其实可以跟机房多申请外网IP。

2.在有外网IP的机器上，部署代理服务器。

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.

有小部分网站的防范措施比较弱，可以伪装下IP，修改X-Forwarded-for（貌似这么拼。。。）即可绕过。

大部分网站么，如果要频繁抓取，一般还是要多IP。我比较喜欢的解决方案是国外VPS再配多IP，通过默认网关切换来实现IP切换，比HTTP代理高效得多，估计也比多数情况下的ADSL切换更高效。

方法3.

ADSL + 脚本，监测是否被封，然后不断切换 ip

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4.

8年多爬虫经验的人告诉你，国内ADSL是王道，多申请些线路，分布在多个不同的电信区局，能跨省跨市更好，自己写好断线重拨组件，自己写动态IP追踪服务，远程硬件重置（主要针对ADSL猫，防止其宕机），其余的任务分配，数据回收，都不是大问题。我的已经稳定运行了好几年了，妥妥的！

方法5.

1 user agent 伪装和轮换

2 使用代理 ip 和轮换

3 cookies 的处理，有的网站对登陆用户政策宽松些

友情提示：考虑爬虫给人家网站带来的负担，be a responsible crawler

方法6.

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8.

网站封的依据一般是单位时间内特定IP的访问次数.

我是将采集的任务按 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,这个前题是你采集很多网站.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9.

1. 对爬虫抓取进行压力控制；

2. 可以考虑使用代理的方式访问目标站点。

-降低抓取频率，时间设置长一些，访问时间采用随机数

-频繁切换UserAgent（模拟浏览器访问）

-多页面数据，随机访问然后抓取数据

-更换用户IP

这么大规模的网站.完全可以用独立服务器了.用VPS就太牵强了.VPS毕竟是虚拟的.它是在服务器上划分出来一部分资源搭建而成.同等配置的情况下.VPS的性能最多是服务器的一半多一些.比如说2G内存的VPS.实用使用只有1G多一点就不错了.一般情况下日IP五千以上的都完全可以用服务器.你的IP已经上万.完全没有必要考虑VPS

个人观点.希望对你有帮助.若有需要帮忙可以找我

在我们大部分人的网络活动中代理ip也是用户最常使用的一种代理方式。它对于用户的使用大约体现在以下几个方面。一、通过IP代理能够访问一些平常不可以访问的网站，我们在上网的时候时常会遇到浏览器不能访问的现象，这个时候代理ip就派上用场了。二、提升网络浏览速度。喜欢其他网站的朋友经常会遇到网络很慢的问题，这时如果你使用了合适的代理服务器，不仅网速获得提升，且效果还是很明显的。但是代理ip也不是万能的，但我们使用的时候超过网站的限制，也会ip被封，因此我们在选择代理ip的时候应该考虑一下的条件。1、IP池大，都知道网络爬虫用户和补量业务用户，都对IP数量有极大需求，每天需要获取到几百万不重复的IP，倘若是重复IP的话，像补量用户，算上重复的，一天要提取上千万的IP。要是IP池不够大的话，就没法满足业务，或是因为重复提取，造成IP被封。2、稳定性，实际上对企业用户而言，时间就是金钱，时间就是生命，倘若连接不稳定，经常掉线，我想不论这家代理商多么便宜你都不会去购买的吧?3、高并发，这个就不需要多做解释了吧，对IP需求量大的就不存在单线程操作的。4、覆盖城市全，不论是网络爬虫业务，还是补量用户，很多业务对地域性都有要求，因而需要IP务必覆盖大部分城市，且每个城市都有一定的量。5、高匿性，事实上这个都算基本要求了。6、真实IP，不论对于网络爬虫用户还是补量用户，真实IP的有效率，业务成功率都是遥遥领先的。以上就是网络爬虫用户IP代理的几点总结，依照这个技术指标去挑选代理IP，希望有所帮助。

---