IP模擬器
網(wǎng)絡(luò)爬蟲沒有代理IP能流暢運(yùn)行嗎？很多人認(rèn)為爬蟲必須使用代理IP，沒有代理IP會(huì)移動(dòng)困難，也有人認(rèn)為代理IP沒有必要。那么他們這么想的原因是什么呢？
有朋友說他用一個(gè)機(jī)車收集器收集了一些文章，然后篩選出符合自己要求的進(jìn)行加工。他從來不用代理IP，一天收一萬篇左右。他認(rèn)為沒有代理IP。
有朋友說自己寫爬蟲程序，公司的任務(wù)是一天爬幾十萬個(gè)頁(yè)面。有時(shí)候任務(wù)多的時(shí)候，一天就要幾百萬。抓取IP時(shí)會(huì)被屏蔽。沒有代理IP，根本不行。他認(rèn)為，如果沒有代理IP爬蟲，這將是不可能的。
顯然他們說的很有道理，都用自己的經(jīng)歷證明了自己的觀點(diǎn)。其實(shí)爬蟲本質(zhì)上是一個(gè)訪問網(wǎng)頁(yè)的用戶，只是一個(gè)沒有那么自律的特殊用戶，而服務(wù)器一般不歡迎這樣的特殊用戶，所以總是用各種手段去發(fā)現(xiàn)和禁止。最常見的就是判斷你的訪問頻率，因?yàn)槠胀ㄈ嗽L問網(wǎng)頁(yè)的頻率并不是很快。如果發(fā)現(xiàn)某個(gè)IP訪問速度過快，就會(huì)封禁。
任務(wù)量不是很大的時(shí)候，也就是像第一個(gè)朋友那樣，可以慢慢爬，頻率不是很快。在目標(biāo)服務(wù)器看來，是可以忍受的，而且不影響正常運(yùn)行，這樣IP就不會(huì)被屏蔽，所以他不用代理IP就可以完成每天的任務(wù)量。
當(dāng)任務(wù)量比較大的時(shí)候，比如第二個(gè)朋友，一天幾十萬上百萬的數(shù)據(jù)，爬得慢的話就完不成任務(wù)了。如果他爬得快，目標(biāo)服務(wù)器壓力太大，IP被封，任務(wù)也無法完成。我能怎么做呢？只靠代理IP解決。
比如一個(gè)IP短時(shí)間內(nèi)被訪問100次，就會(huì)被目標(biāo)服務(wù)器認(rèn)為速度太快，導(dǎo)致IP被屏蔽。但如果10個(gè)代理IP短時(shí)間內(nèi)被訪問10次，就不會(huì)被認(rèn)為太快而屏蔽。當(dāng)任務(wù)量巨大時(shí)，使用代理IP往往能事半功倍，這也是為什么有人認(rèn)為沒有代理IP就沒有網(wǎng)絡(luò)爬蟲。
