Question

使用爬虫采集网站时，怎么样解决被封ip的问题

Answer 1

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

Answer 2

ip地址的前几位是你当前所在地区的网络号，一般是不变的，后几位是分配给你的主机号，它是可以改变的，你知道重启下modern（拔了网线再插上。。）ip地址后面几位就会改变，不过这个需要您本地是动态的ADSL拨号才行的。否则也是换不了的。
你也可以用转换器改变你的ip，也就是我名字

Answer 3

兔~*子&动态转换器 ，支持手机和电脑用的，
转换器覆盖全国,转换器很多
你如果需要改不同的转换器地址，
刷网站点击量，这个对你有很大帮助。

Answer 4

可以使用每个城市的代理IP当做结点去访问，类似下面这种服务，百变IP-Proxy可以实现你说的功能，速度很快，也很稳定。百变IP-Proxy

Answer 5

网络爬虫为什么被封？当中最直接的因素的就是访问速度过快，这个不要说爬取抓取了，就算用户自己点击太快也是会被提示访问频率过快的。网络爬虫的访问速度若是一直都很快，而且都使用同一个IP地址访问，这是很快IP便会被封的。
面对这个问题，网络爬虫通常是怎么处理的呢？不外乎是两类方法，首位降低访问速度，其次切换IP访问。
爬虫降低访问速度
鉴于上文所指的访问速度过快会引起IP被封，那么最直接的办法就是降低访问速度，这样就能防止了我们的IP被封的问题。但呢，降低速度，爬虫的效率就降低，关键还是要降低到什么程度？
在这一点上，我们首先要检测出网站设置的限制速度阈值，这样我们才可以设置合理的访问速度，建议不要设固定的访问速度，可以设置在一个范围之内，预防过于规律而被系统检测到，进而导致IP被封。
爬虫切换IP访问
降低了访问速度，在所难免的影响到了爬取的抓取效率，无法高效的抓取，这样的抓取速度与人工抓取有什么区别呢？都没有了使用爬虫抓取的优势了。
即然单个爬虫被控制了速度，但我们可以使用多个爬虫同时去抓取啊！是的，我们可以使用多线程，多进程，这里要配合使用代理，不一样的线程使用不同的IP地址，就好像同时有不同的用户在访问，这样就能极大地提高爬虫的爬取效率了。
以上介绍了关于爬虫IP被封的问题分析，从原因到解决办法，不建议粗暴使用爬虫，合理的使用，效果更加好。而且降低爬虫的速度，可以减轻爬虫带给网站的压力，这对双方都是有好处的。