您的位置: 首页 > 新闻资讯 > 正文

爬虫代理IP怎么用于服务

发布时间:2019-05-27 16:29:16 来源:互联网

爬虫代理IP怎么用于服务?经过完善和优化,可以选择一个可用的代理服务,主要是文件系统或数据库的。


爬虫代理IP怎么用于服务


爬虫端使用代理,只能读取文件或者数据库,然后根据某种规则选择代理使用,很繁杂,爬虫端使用代理可以简单一些吗?那么就需要把代理访问做成服务化。


有个大名鼎鼎的服务器软件黑洞代理,就可以帮这个事情做的很完美。


把代理列表的代理,按照黑洞代理的机制按照一定格式,写在配置文件中就可以了。


黑洞代理是个代理服务器软件,假如爬虫在机器A,安装在机器B,需要爬取的网站服务器是机器C,代理IP是机器D/E/F…


1、不使用代理:爬虫机器A请求 —> 网站机器C


2、使用代理:爬虫机器A —> 代理IP机器D/E/F/... —> 网站机器C


3、使用黑洞代理:爬虫机器A—>黑洞代理(机器B,cache_peer机制管理调度代理D/E/F) —> 网站机器C。


这样做的好处就是:爬虫端会给出一个代理列表给黑洞代理,按照规则,可以很好管理和调度选择代理。最重要的是,爬虫端使用代理只需访问黑洞代理的服务端口就可以了!


现在服务化也搭建完成了,唯一差得一步就是整合:


1、定时监控代理源网站(30分/1小时都可),解析出所有代理IP,入数据库


2、从数据库中取出所有代理,访问某个固定的网站,找出访问成功的代理,更新数据库可用标记和响应时间


3、从数据库中加载所有可用代理可以通过计算,主要是根据时间来计算。


4、按照squid的cache_peer格式,写入配置文件


5、重新加载squid配置文件,刷新squid下的代理列表


6、爬虫指定squid的服务IP和端口,进行纯粹的爬取操作


一个完整的代理服务通过这样的方法就可以搭建完成,定时输出高质量代理。爬虫端不用担心,只管使用黑洞代理的统一服务入口爬取数据即可。


相关文章内容简介

1 爬虫代理IP怎么用于服务

  爬虫代理IP怎么用于服务?经过完善和优化,可以选择一个可用的代理服务,主要是文件系统或数据库的。  爬虫端使用代理,只能读取文件或者数据库,然后根据某种规则选择代理使用,很繁杂,爬虫端使用代理可以简单一些吗?那么就需要把代理访问做成服务化。  有个大名鼎鼎的服务器软件黑洞代理,就可以帮这个事情做的很完美。  把代理... [阅读全文]

最新标签