這篇文章主要介紹了使用爬蟲采集網站時，解決被封IP的幾種方法的相關資料,需要的朋友可以參考下。

方法1.

使用多IP代理：

1.IP必須需要，比如ADSL。如果有條件，其實可以跟機房多申請外網IP。

2.在有外網IP的機器上，部署代理服務器。

3.你的程序，使用輪訓替換代理服務器來訪問想要采集的網站。

好處：

1.程序邏輯變化小，只需要代理功能。

2.根據對方網站屏蔽規則不同，你只需要添加更多的代理就行了。

3.就算具體IP被屏蔽了，你可以直接把代理服務器下線就OK，程序邏輯不需要變化。

方法2.

有小部分網站的防范措施比較弱，可以偽裝下IP，修改X-Forwarded-For即可繞過。

大部分網站么，如果要頻繁抓取，一般還是要多IP。

我比較喜歡的解決方案是國外VPS再配多IP，通過默認網關切換來實現IP切換，比HTTP代理高效得多，估計也比多數情況下的ADSL切換更高效

方法3.

ADSL + 腳本，監測是否被封，然后不斷切換 ip 設置查詢頻率限制

正統的做法是調用該網站提供的服務接口。

方法4.

國內ADSL是王道，多申請些線路，分布在多個不同的電信區局，能跨省跨市更好，自己寫好斷線重撥組件，自己寫動態IP追蹤服務，遠程硬件重置（主要針對ADSL貓，防止其宕機），其余的任務分配，數據回收，都不是大問題。

方法5.

1 user agent 偽裝和輪換

2 使用代理 ip 和輪換

3 cookies 的處理，有的網站對登陸用戶政策寬松些

友情提示：考慮爬蟲給人家網站帶來的負擔，be a responsible crawler :)

方法6.

盡可能的模擬用戶行為：

1、UserAgent經常換一換；

2、訪問時間間隔設長一點，訪問時間設置為隨機數；

3、訪問頁面的順序也可以隨機著來 。

方法7.

網站封的依據一般是單位時間內特定IP的訪問次數.

我是將采集的任務按 目標站點的IP進行分組

通過控制每個IP 在單位時間內發出任務的個數,來避免被封.

當然,這個前題是你采集很多網站.如果只是采集一個網站,那么只能通過多外部IP的方式來實現了。

方法8.

對爬蟲抓取進行壓力控制；可以考慮使用代理的方式訪問目標站點。

降低抓取頻率，時間設置長一些，訪問時間采用隨機數

頻繁切換UserAgent（模擬瀏覽器訪問）

多頁面數據，隨機訪問然后抓取數據 -更換用戶IP。