做爬虫用的服务器或者VPS用什么好

用芝麻VPS吧，不用自己搭建ip代理池，自动切换ip，超大空间可以搭建存储模块。独立空间，不占用服务器，所以如果刚起步做爬虫的话，而且并没有较为空旷的空间和宽裕的资金，这个还是不错的。

我用 PHP 和 Python 都写过爬虫和正文提取程序。

最开始使用 PHP 所以先说说 PHP 的优点：

1.语言比较简单，PHP 是非常随意的一种语言。写起来容易让你把精力放在你要做的事情上，而不是各种语法规则等等。

2.各种功能模块齐全，这里分两部分：

1.网页下载：curl 等扩展库

2.文档解析：dom、xpath、tidy、各种转码工具，可能跟题主的问题不太一样，我的爬虫需要提取正文，所以需要很复杂的文本处理，所以各种方便的文本处理工具是我的大爱。

总之容易上手。

缺点：

1.并发处理能力较弱：由于当时 PHP 没有线程、进程功能，要想实现并发需要借用多路服用模型，PHP 使用的是 select 模型。实现其来比较麻烦，可能是因为水平问题我的程序经常出现一些错误，导致漏抓。

再说说 Python：

优点：

1.各种爬虫框架，方便高效的下载网页

2.多线程、进程模型成熟稳定，爬虫是一个典型的多任务处理场景，请求页面时会有较长的延迟，总体来说更多的是等待。多线程或进程会更优化程序效率，提升整个系统下载和分析能力。

3.GAE 的支持，当初写爬虫的时候刚刚有 GAE，而且只支持 Python ，利用 GAE 创建的爬虫几乎免费，最多的时候我有近千个应用实例在工作。

缺点：

1.对不规范 HTML 适应能力差：举个例子，如果一个页面里面同时有 GB18030 字符集的中文和 UTF-8 字符集的中文，Python 处理起来就没有 PHP 那么简单，你自己需要做很多的判断工作。当然这是提取正文时的麻烦。

Java 和 C++ 当时也考察过，相对脚本语言比较麻烦，所以放弃。

总之，如果开发一个小规模的爬虫脚本语言是个各方面比较有优势的语言。如果要开发一个复杂的爬虫系统可能 Java 是个增加选项， C++ 我感觉写个模块之类的更加适合。对于一个爬虫系统来说，下载和内文解析只是基本的两个功能。真正好的系统还包括完善的任务调度、监控、存储、页面数据保存和更新逻辑、排重等等。爬虫是一个耗费带宽的应用，好的设计会节约大量的带宽和服务器资源，并且好坏差距很大。

爬虫使用代理i爬是非常常见的一种形式，因为有反爬虫的限制，我们要避免这种行为给我代理的工作压力。在选代理ip的时候可以通过以下几个方面进行。

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、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。

3、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?

4、高匿性，可以隐藏我们真实的ip地址。

5、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。

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，可以更好地完成工作。

---