经常有前端的程序员被公司临时要求做数据收集,针对某项目进行分析评估。如何才能快速的实现数据采集目标,同时减少程序的研发和运维工作,现在给大家推荐一个基本爬虫策略+爬虫代理IP的方案,从搭建项目到实现数据采集,10分钟时间就够啦,主要分成三个步骤:
1、选择适合的语言框架,一般建议python或java这类面向对象封装较多的语言,根据熟悉程度选择适合的类库使用,例如python下的requests、scrapy或java下的HttpClient、JSoup等。
2、爬虫程序对http的header添加User-Agent,避免被网站反爬统计。除非是访问网站或APP专用数据api接口,正常的HTTP请求都需要进行ua(User-Agent)优化,因为ua是浏览器标识,如果http请求没有ua,或ua太少,都会被网站运维统计异常的,ua越丰富分布就越真实。
3、选择适合的爬虫代理,直接参考demo配置使用即可,以市面上典型的一款爬虫代理产品为例,只需要查看对方的demo,提取代理信息,将目标网站修改成需要采集数据url即可。
以python示例如下
#! -- encoding:utf-8 --
import requests
import random
# 要访问的目标页面
targetUrl = "http://httpbin.org/ip"
# 要访问的目标HTTPS页面
# targetUrl = "https://httpbin.org/ip"
# 代理服务器(产品官网 www.16yun.cn) 需要开订单提取新代理信息更新
proxyHost = "t.16yun.cn"
proxyPort = "31111"
# 代理验证信息 需要开订单提取新代理信息更新
proxyUser = "username"
proxyPass = "password"
proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
"host" : proxyHost,
"port" : proxyPort,
"user" : proxyUser,
"pass" : proxyPass,
}
# 设置 http和https访问都是用HTTP代理
proxies = {
"http" : proxyMeta,
"https" : proxyMeta,
}
# 设置IP切换头
tunnel = random.randint(1,10000)
headers = {"Proxy-Tunnel": str(tunnel)}
resp = requests.get(targetUrl, proxies=proxies, headers=headers)
print resp.status_code
print resp.text
分享到:
相关推荐
快速入门爬虫,简单易懂地表述了爬虫的原理及相关的爬取方法。
java 简单爬虫入门maven项目
python小白入门爬虫源代码及结果
python爬去百度百科的重要词条的爬虫,里面还含有爬虫的原理和流程的截图,可以打印出来好好学习,非常有用
Python爬虫入门教程:超级简单的Python爬虫教程
【python爬虫】资源python爬虫样例,简单的知乎爬虫,新手入门练手 (Example of reptilian) 文件列表: craw - 副本.py (1444, -09-17) craw.py (1444, -09-17) 【python爬虫】资源python爬虫样例,简单的知乎爬虫,...
一个简单的爬虫代码,采用Python实现,可以帮助大家入门。
Python爬虫入门教程:超级简单的Python爬虫教程.zip
网络爬虫系列学习教程,简单实在的好文档,本人就是靠这个文档入门,因为没有多少钱买资料书,所以找老师要的文档
Python爬虫开发:从入门到实战(微课版) 读书笔记模板 Python爬虫开发:从入门到实战(微课版)全文共33页,当前为第1页。 01 思维导图 读书笔记 目录分析 内容摘要 精彩摘录 作者介绍 目录 03 05 02 04 06 Python...
java基于jsoup+mongodb的简单爬虫入门程序,简单易懂,希望能给大家提供帮助
python3.7 scrapy简单爬虫入门基于 http://www.okhqb.com/ 网站的简单示例。。
Python爬虫入门教程是一篇超详细介绍 Python 爬虫入门的教程,从实战出发,适合初学者。读者只需在阅读过程紧跟文章思路,理清相应的实现代码,30 分钟即可学会编写简单的 Python 爬虫。
网络爬虫从入门到精通pdf,简单易学,包含一个爬虫实例压缩包
这是一篇详细介绍 Python 爬虫入门的教程,从实战出发,适合初学者。读者只需在阅读过程紧跟文章思路,理清相应的实现代码,30 分钟即可学会编写简单的 Python 爬虫。 这篇 Python 爬虫教程主要讲解以下 5 部分内容...
前面几篇爬虫入门篇文章记录了一些简单的爬虫知识,今天结合网络请求流程,实现一个基本的爬虫架构。以后可以根据这个架构代码,对自己的爬虫需求进行拓展
python爬虫 本文针对初学者,我会用最简单的案例告诉你如何入门python爬虫!...刚开始入门爬虫,你甚至不需要去学习python的类、多线程、模块之类的略难内容。找一个面向初学者的教材或者网络教程
python爬虫零基础入门,带你步入Python爬虫的大门。简单的爬虫小案例,让你清晰的了解爬虫的过程、思路、步骤
第4章 简单的网页爬虫开发 第5章 高性能HTML内容解析 第6章 Python与数据库 第7章 异步加载与请求头 第8章 模拟登录与验证码 第9章 抓包与中间人爬虫 第10章 Android原生App爬虫 第11章 Scrapy 第12章 Scrapy高级...