python爬蟲防止IP被封的方法

在寫爬蟲爬取資料的時候，尤其是爬取大量資料的時候，因為很多網站都有反爬蟲措施，所以很容易被封IP，就不能繼續爬了。本文就如何解決這個問題總結出一些因應措施，這些措施可以單獨使用，也可以同時使用，效果更好。

偽造User-Agent

在請求頭中把User-Agent設定成瀏覽器中的User-Agent，來偽造瀏覽器存取。例如：

headers = {'User-Agent':'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'}
resp = requests.get(url,headers = headers)

在每次重複爬取之間設定一個隨機時間間隔

# 比如：
time.sleep(random.randint(0,3))  # 暂停0~3秒的整数秒，时间区间：[0,3]
# 或：
time.sleep(random.random())  # 暂停0~1秒，时间区间：[0,1)

偽造cookies

如果從瀏覽器中可以正常存取一個頁面，則可以將瀏覽器中的cookies複製過來使用，例如：

cookies = dict(uuid='b18f0e70-8705-470d-bc4b-09a8da617e15',UM_distinctid='15d188be71d50-013c49b12ec14a-3f73035d-100200-15d188be71ffd')
resp = requests.get(url,cookies = cookies)

# 把浏览器的cookies字符串转成字典
def cookies2dict(cookies):
    items = cookies.split(';')
    d = {}
    for item in items:
        kv = item.split('=',1)
        k = kv[0]
        v = kv[1]
        d[k] = v
    return d

註：用瀏覽器cookies發起請求後，如果請求頻率過於頻繁仍會被封IP，這時可以在瀏覽器上進行相應的手動驗證（例如點擊驗證圖片等），然後就可以繼續正常使用該cookies發起請求。

使用代理

可以換著用多個代理IP來進行訪問，防止同一個IP發起過多請求而被封IP，例如：

proxies = {'http':'http://10.10.10.10:8765','https':'https://10.10.10.10:8765'}
resp = requests.get(url,proxies = proxies)
# 注：免费的代理IP可以在这个网站上获取：http://www.xicidaili.com/nn/

【推薦課程：Python影片教學】

以上是python爬蟲防止IP被封的方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！