使用爬虫爬取网站，常用的解决IP被封的办法
我们经常在开发的过程中，会编写一些爬虫爬取特定网站的数据，为自己所用。但是问题来了，爬虫经常会被目标网站封掉IP，这个时候我们就需要一些额外的手段来解决这种问题了，下面是一些常见的解决办法。 方法1. 1.IP必须需要明确而且正确，这是前提条件。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.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