您的位置:首页 >新闻资讯

爬虫代理IP怎么用于服务

来源:本站 作者:admin 时间:2019-05-13 17:45:22

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。


image.png


有个大名鼎鼎的服务器软件风讯代理,就可以帮这个事情做的很完美。

 

把代理列表的代理,按照风讯代理的机制按照一定格式,写在配置文件中就可以了。

 

风讯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、使用风讯代理:爬虫机器A—>风讯代理(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风讯代理,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风讯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,只管使用风讯代理的统一服务入口爬取数据即可。

相关文章内容简介
推荐阅读