大家都是怎么处理爬虫代理问题的？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3836 天前的主题，其中的信息可能已经有所发展或是发生改变。

写好了爬虫，准备爬一些数据，但是IP只有一个，肯定会被封。

大家平时都是怎么处理代理问题的？

目前准备抓免费代理，30分钟检测一次有效性

然后随机选代理

大家有没有什么好办法？

爬虫

代理

有效性

19 条回复 • 2018-11-02 21:18:42 +08:00

sohoer

2014-05-24 18:27:21 +08:00

http://121.199.38.28/
目前使用这个，也不是很稳定，准备用ADSL拔号换IP
也想知道是否有更好的方式

hydrazt

2014-05-24 18:45:28 +08:00

直接使用tor吧，每1min换一次ip

ccbikai

2014-05-24 19:33:31 +08:00

@sohoer 我是在自己VPS，没有办法ADSL。
@hydrazt 我了解一下Tor

Livid

MOD

2014-05-24 19:36:09 +08:00

为什么互联网上会有这么多开放的代理服务器呢？

mengli

2014-05-24 19:42:53 +08:00

淘宝。很便宜。

vbs

2014-05-24 19:56:11 +08:00

@sohoer 有多么不稳定？不行的话我来做个给大伙用

maemual

2014-05-24 20:09:18 +08:00

试试这个？
http://www.daili999.com/

binux

2014-05-24 20:24:46 +08:00

之前直接用 squid，它会屏蔽失效的代理，使用速度更快的代理，自动轮训，自动重试转发，还能设置规则。爬虫只要设置同一个出口就自动使用代理了。

建议使用这样的转发方式，更容易控制，可重用性高，也不需要检测死活，在进行代理请求的时候同时就进行了。

mengskysama

2014-05-24 20:36:12 +08:00

我记得有个分支版本的GAE是自动换账号的，是不是可以利用

hadoop

2014-05-24 21:05:04 +08:00

@binux squid里咋设置？

binux

2014-05-24 21:51:03 +08:00

@hadoop """cache_peer %s parent %s 0 no-query weighted-round-robin weight=%s connect-fail-limit=2 allow-miss max-conn=5""" % (host, port, weight)

Lucups

2014-05-24 22:42:16 +08:00

万能的淘宝

ThomasHuang

2014-11-19 17:12:34 +08:00

@binux 不好意思，我没怎么用过Squid，不怎么看懂您的意思。Squid怎么才能做到动态添加代理池地址，并且自动调整权重？

您的意思是动态生成配置文件，然后重启吗？

最近我自己用gevent和pycurl自己实现了一个简单的代理，主要是代理池里，除了http代理，还有https，socks4，socks5，请问你所说的方式支持https和socks协议吗？我查看Squid的文档，上面来看，似乎cache_peer只能设置http代理是吗？

binux

2014-11-19 17:32:09 +08:00

@ThomasHuang 就是重启。。只用过http，不会动态调权，只会自动重试。