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就很難移動(dòng)，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？
有個(gè)朋友說他用機(jī)車收藏家收集了一些文章，然后篩選出符合自己要求的文章進(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。
一個(gè)朋友說他寫了一個(gè)爬蟲程序，公司的任務(wù)是一天爬幾十萬個(gè)頁面。有時(shí)候任務(wù)多的時(shí)候，一天就要幾百萬。搶IP的時(shí)候會(huì)被屏蔽。沒有代理IP，根本不可能。他認(rèn)為，如果沒有代理IP爬蟲，這是不可能的。
顯然他們說的都很有道理，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)上就是訪問網(wǎng)頁的用戶，只是一個(gè)沒有那么自律的特殊用戶，而服務(wù)器一般不歡迎這種特殊用戶，所以總是會(huì)用各種手段去尋找和封殺他們。最常見的就是判斷你的訪問頻率，因?yàn)槠胀ㄈ嗽L問網(wǎng)頁的頻率并不是很快。如果發(fā)現(xiàn)一個(gè)IP訪問速度太快，就會(huì)禁止它。
工作量不是很大的時(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，不影響正常運(yùn)行，這樣IP就不會(huì)被屏蔽，所以他可以不用代理IP完成日常任務(wù)。
當(dāng)任務(wù)量比較大的時(shí)候，比如第二個(gè)朋友，一天幾十萬幾百萬的數(shù)據(jù)，如果爬得慢，就無法完成任務(wù)。如果他爬得快，目標(biāo)服務(wù)器壓力太大，IP被封，任務(wù)無法完成。我能怎么做呢？僅通過代理IP。
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)為太快，導(dǎo)致IP被屏蔽。但如果10個(gè)代理IP在短時(shí)間內(nèi)被訪問10次，就不算太快被屏蔽了。任務(wù)巨大的時(shí)候，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。
