對(duì)于爬蟲(chóng)被封禁 ！ 爬蟲(chóng)一般來(lái)說(shuō)只要你的ip夠多，是不容易被封的。 一些中小網(wǎng)站要封殺你，他的技術(shù)成本也是很高的，因?yàn)榇蠖鄶?shù)網(wǎng)站沒(méi)有vps，他們用的是虛擬空間或者是sae，bae這樣的paas云。 其實(shí)就算他們不考慮seo搜索優(yōu)化，用ajax渲染網(wǎng)頁(yè)數(shù)據(jù)，我也可以用webkit瀏覽器組件來(lái)搞定ajax之后的數(shù)據(jù)。 如果某個(gè)網(wǎng)站他就是閑的蛋疼，他就是喜歡從log里面，一行行的分析出你的ip，然后統(tǒng)計(jì)處頻率高的網(wǎng)站， 那這個(gè)時(shí)候咋辦？?? 其實(shí)方法很草比，就是用大量的主機(jī)，但是大量的主機(jī)是有了，你如果沒(méi)有那么爬蟲(chóng)的種子量，那屬于浪費(fèi)資源… …? 其實(shí)一個(gè)主機(jī)，多個(gè)ip是可以的。。。 這個(gè)時(shí)候是有兩種方法可以解決的,第一個(gè)是用squid綁定多個(gè)ip地址，做正向代理…. 你的程序里面維持一組連接池，就是針對(duì)這幾個(gè)正向proxy做的連接池。 正向代理和反向代理最大的區(qū)別就是，反向代理很多時(shí)候域名是固定的，而正向代理是通過(guò)一個(gè)http的代理端口，隨意訪問(wèn)，只是在proxy端會(huì)修改http協(xié)議，去幫你訪問(wèn) 如果是python，其實(shí)單純調(diào)用socket bind綁定某個(gè)ip就可以了，但是標(biāo)題的輪訓(xùn)是個(gè)什么概念，就是維持不同的socket bind的對(duì)象，然后你就輪吧 ！?? 跟一些業(yè)界做專門做爬蟲(chóng)的人聊過(guò)，他們用的基本都是這樣的技術(shù)。?
# -*- coding=utf-8 -*-
import socket
import urllib2
import re
true_socket = socket.socket
ipbind='xx.xx.xxx.xx'
def bound_socket(*a, **k):
??? sock = true_socket(*a, **k)
??? sock.bind((ipbind, 0))
??? return sock
socket.socket = bound_socket
response = urllib2.urlopen('http://www.ip.cn')
html = response.read()
ip=re.search(r'code.(.*?)..code',html)
print ip.group(1)
# -*- coding=utf-8 -*-?
import socket?
import urllib2?
import re?
true_socket = socket.socket?
ipbind='xx.xx.xxx.xx'?
def bound_socket(*a, **k):?
??? sock = true_socket(*a, **k)?
??? sock.bind((ipbind, 0))?
??? return sock?
socket.socket = bound_socket?
response = urllib2.urlopen('http://www.ip.cn')?
html = response.read()?
ip=re.search(r'code.(.*?)..code',html)?
print ip.group(1)?
在http://stackoverflow.com/ 上也找到一些個(gè)老外給與的解決方法的思路，他是借助于urllib2的HTTPHandler來(lái)構(gòu)造的出口的ip地址。
import functools
import httplib
import urllib2
class BoundHTTPHandler(urllib2.HTTPHandler):
??? def __init__(self, source_address=None, debuglevel=0):
??????? urllib2.HTTPHandler.__init__(self, debuglevel)
??????? self.http_class = functools.partial(httplib.HTTPConnection,
??????????????? source_address=source_address)
??? def http_open(self, req):
??????? return self.do_open(self.http_class, req)
handler = BoundHTTPHandler(source_address=("192.168.1.10", 0))
opener = urllib2.build_opener(handler)
urllib2.install_opener(opener)
import functools
import httplib
import urllib2
class BoundHTTPHandler(urllib2.HTTPHandler):
??? def __init__(self, source_address=None, debuglevel=0):
??????? urllib2.HTTPHandler.__init__(self, debuglevel)
??????? self.http_class = functools.partial(httplib.HTTPConnection,
??????????????? source_address=source_address)
??? def http_open(self, req):
??????? return self.do_open(self.http_class, req)
handler = BoundHTTPHandler(source_address=("192.168.1.10", 0))
opener = urllib2.build_opener(handler)
urllib2.install_opener(opener)
那么就有一個(gè)現(xiàn)成的模塊 netifaces? ，其實(shí)netifaces模塊，就是剛才上面socket綁定ip的功能封裝罷了
地址:?? https://github.com/raphdg/netifaces ? import netifaces
netifaces.interfaces()
netifaces.ifaddresses('lo0')
netifaces.AF_LINK
addrs = netifaces.ifaddresses('lo0')
addrs[netifaces.AF_INET]
[{'peer': '127.0.0.1', 'netmask': '255.0.0.0', 'addr': '127.0.0.1'}]
import netifaces
netifaces.interfaces()
netifaces.ifaddresses('lo0')
netifaces.AF_LINK