Question

php爬虫程序中怎么样伪造ip地址防止被封

Answer 1

1、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~
2、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。
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。
4、
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
5、
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
6、
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

Answer 2

$ch = curl_init('http://www.163.com');
//伪造蜘蛛IP
curl_setopt($ch, CURLOPT_HTTPHEADER,array('X-FORWARDED-FOR:220.181.108.91','CLIENT-IP:220.181.108.91'));
//伪造蜘蛛头部
curl_setopt($ch, CURLOPT_USERAGENT,'Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.qintech.com/search/spider.html)');

Answer 3

1、减少请求次数，能抓列表页就不抓详情页
2、App 和 H5，他们的反爬虫措施一般比较少
3、可以多线程甚至分布式
4、代理，比如有阿里云、淘宝的奎尼科技、2808proxy等等

Answer 4

用618动态IP代理，之前也用过别的软件，但是还是觉得这个好用一些

Answer 5

1. 搜集大量代理的ip，用搜集到的ip进行访问

2. 或者用V-P-N