通俗的来说,就是换IP的。大部分人都用HTTP代理IP来做爬虫工作,效果也很不错,但也有一部分人在HTTP代理IP的使用上存在着误解,他们认为使用了代理IP就能解决一切问题,代理IP是万能的,不再会封IP,如果不是这样,就是买到了假的代理IP。
代理IP不是万能的,它只是一个工具,关键在于使用的人,如果使用不当,一样会被封IP。正如买了一个好锅,如果厨艺不好,一样炒不出好吃的菜。那么,如何正确的使用代理IP来做爬虫呢?
代理IP分三种类型:透明代理、普通匿名代理、高级匿名代理。使用透明代理和普通匿名代理会被目标网站得知使用了代理IP,自然会受到限制,高级匿名代理则不会,所以在选购代理IP的时候,要注意这一点。
在使用高匿代理IP后,发现还是会被封,那是因为目标网站的反爬虫策略。当无所顾忌的使用一个代理IP爬取目标网站,当达到了阈值后,IP就会被封,这不是代理IP质量不好,再好的质量被无限制的使用也会失效;当访问目标网站的频率过快时,IP也会被封,因为人类正常访问远远达不到那个频率,自然会被识别。
被封IP的因素太多,比如cookie,比如User Agent等等,只有尽量的模拟真实用户正常访问,才能最大程度的避免被封IP,当然被封IP是无法避免的,代理IP的作用也不是避免封IP,而是封了一个IP,还有千千万万个IP前仆后继的投入使用,完成未完成的工作,也可以多线程同时进行工作,这才是代理IP的正确打开方式。