代理IP自动切换的方法
所有写搜索的朋友估计都有过和我一样的烦恼,那就是如果不断的对某一个网站进行爬行,很容易被封IP。最笨的版本就是减少爬行频率,但是在很多场景下对爬行效率是有要求的,那么最直接的办法就是不断切换实际访问的IP,来达到访问流量分散的效果。当然也有很多朋友在用一个比较贱的办法,就是用ADSL拨号方式爬行,一旦被封掉就重新拨号换个IP,这个也算一个非常取巧的手段了。
本文重点介绍代理IP自动切换的方式,其实这个如果只是要实现,那是再简单不过了。一个爬虫在启动的时候读取一批代理IP,访问网页的时候不断轮换,这样就是一个最简单的实现。但是这样有一个比较大的问题,就是你每写一个爬虫就要实现这样的模块,多个爬虫之前还不能共享代理IP资源。
这里我想到利用一个本地代理来实现这个效果,那么爬虫只要连接到这一个代理,他在帮忙访问最终页面的时候再使用一个代理池不断轮换。这个方案既解决了代码重复的问题,又解决了多个爬虫都要维护代理IP列表的麻烦,而且部署起来也非常简单。
经过本方案改造前后的部署示意图:
我这里用Jetty7的proxy server做了一个简单的例子,实现了本地代理的功能,代码非常简单,贴出来大家一起学习下吧。
- public class WiseProxyServlet extends ProxyServlet {
- public void service(ServletRequest req, ServletResponse res)
- throws ServletException, IOException {
- _client.setProxy(getProperAddress());
- super.service(req, res);
- }
- /**
- * 这应该是在一个代理池中按照一定的规则来不断切换代理
- */
- private Address getProperAddress() {
- return new Address("222.169.11.102", 8080);
- }
- }
- public class WiseProxyServer {
- public static void main(String[] args) throws Exception {
- Server server = new Server();
- SelectChannelConnector connector = new SelectChannelConnector();
- connector.setPort(8888);
- server.addConnector(connector);
- HandlerCollection handlers = new HandlerCollection();
- server.setHandler(handlers);
- // Setup proxy servlet
- ServletContextHandler context = new ServletContextHandler(handlers, "/", ServletContextHandler.SESSIONS);
- ServletHolder proxyServlet = new ServletHolder(WiseProxyServlet.class);
- context.addServlet(proxyServlet, "/*");
- // Setup proxy handler to handle CONNECT methods
- ConnectHandler proxy = new ConnectHandler();
- handlers.addHandler(proxy);
- server.start();
- }
- }
转载于:https://blog.51cto.com/passover/502232