IP模擬器
很多從事爬蟲業(yè)務(wù)的人發(fā)現(xiàn)，他們使用了穩(wěn)定的代理IP，還控制了訪問速度和次數(shù)。他們發(fā)現(xiàn)有時候爬蟲工作會遇到各種問題，工作無法順利進行。那么，爬蟲使用代理IP后遇到的問題如何解決？
1.分布式爬蟲。爬行時可以采用分布式的方法，有一定幾率起到防爬的作用，也可以提高爬行量。
2.保存cookies。當(dāng)模擬登錄比較麻煩的時候，可以直接登錄web，刪除cookie保存，然后拿cookie當(dāng)爬蟲，但這不是長久之計，而且過一段時間cookie也可能失效。
3.多賬號反抓取。很多網(wǎng)站會通過固定時間內(nèi)賬號訪問的頻率來判斷是不是機器人。這種情況下可以測試單個賬號的固定時間值，然后在時間臨近的時候切換代理IP，這樣就可以循環(huán)爬行了。
4.驗證碼問題。爬蟲時間久了經(jīng)常會遇到驗證碼問題。這是為了驗證你是不是機器人，而不是為了認(rèn)可你是爬行類機器人。第一種解決方案:這種情況下可以在本地下載驗證碼，手動輸入驗證碼進行驗證。這種方法成本高，不能完全自動捕捉，需要人工干預(yù)。第二種解決方案:可以通過圖像識別自動填寫驗證碼，但是現(xiàn)在的驗證碼大多比較復(fù)雜，不熟悉圖像識別的話無法識別出正確的驗證碼。第三種解決方案:可以接入自動編碼平臺。這個最方便，但是需要買。
不同的網(wǎng)站有不同的反抓取方式，一套抓取策略不會適用于任何一個網(wǎng)站。所以需要根據(jù)具體情況進行分析，不斷測試分析過程，找出這個網(wǎng)站的反爬蟲策略，這樣才能事半功倍。
