使用爬虫代理IP的几种方案

没有代理IP的帮助爬虫工做将止步不前，因此不少爬虫工程师都须要高效稳定的代理IP。用优质代理IP后，是否是就能够放心爬取了呢？其实，还须要优化方案，合理分配资源，提升工做效率，更高效更快速更稳定的进行爬虫工做。那么ipidea全球http总结出几种方案的并讲述其中的优缺点。

方案1、每一个进程从接口中随机取一个IP列表（好比一次提取100个IP）来循环使用，失败则再调用API获取，大概逻辑以下：

一、每一个进程（或线程），从接口随机取回一批IP回来，循环尝试IP列表去抓取数据；

二、若是访问成功，则继续抓取下一条。

三、若是失败了（好比超时、出现验证码等），再从接口取一批IP，继续尝试。

方案缺点：每一个IP都是有有效期的，若是提取了100个，当使用了第10个的时候，可能后面的大部分都失效了。若是你设置HTTP请求的时候链接时间超时为3秒，读取时间超时为5秒，那你将会有可能浪费几秒的时间，说不定这几秒内已经能够抓取几十次了。

方案二：每一个进程从接口中随机取一个IP来使用，失败则再调用获取一个IP，大概逻辑以下：

一、每一个进程（或线程），从接口随机取回一个IP来，用这个IP去访问资源，

二、若是访问成功，则继续抓下一条。

三、若是失败了（好比超时、出现验证码等），再从接口随机取一个IP，继续尝试。

方案缺点：调用获取IP的行为很是频繁，会对代理服务器形成很是大的压力，影响API接口稳定，可能会被限制提取。这种方案也不适合，不能持久稳定的运行。

方案三：先提取大量IP导入本地数据库，从数据库里面取IP，大概逻辑以下：

一、在数据库里面建一个表，写一个导入脚本，每分钟请求多少次API（咨询代理IP服务商建议），把IP列表导入到数据库里面。

二、在数据库里面记录好 导入时间、IP、Port、过时时间、IP可用状态等字段；

三、写一个抓取脚本，抓取脚本从数据库里面读取可用IP，每一个进程从数据库获取一个IP进行使用。

四、执行抓取，对结果进行判断，处理cookie等，只要出现验证码或者失败就放弃这个IP，从新换一个IP。

这种方案有效的避开了代理服务器资源的消耗，有效的分配代理IP的使用，更加的高效和稳定，保障了爬虫工做的持久性和稳定性。