Maison  >  Questions et réponses  >  le corps du texte

python - 爬虫在运行一段时间后开始不断获得504的StatusCode,是否是对方站点的反爬虫策略导致?有何回避策略?

最近初学用Python写网页爬虫视图扒取一个站点上的特定数据。

最近碰到的一个现象是,当爬虫运行了一段时间后(根据Fiddler抓包的结果来看,大概是发送了将近3万个http请求后),爬虫的获取的http响应的StatusCode骤然都变成了 504, 之后就再也获取不到200的响应了。

想请教一下各位大神,这种现象是否是由于扒取对象的站点的反爬虫策略造成的?

如果是的话,有什么常用的回避策略么?

P.S.
还注意到一个现象,不知与上述现象是否有关,一并描述:
即当爬虫的响应变成504之后,发现我的浏览器的代理选项被自动勾上了,如下所示:

巴扎黑巴扎黑2742 Il y a quelques jours996

répondre à tous(6)je répondrai

  • PHP中文网

    PHP中文网2017-04-17 17:27:54

    代理选项被勾选,是fiddler造成的。以前经常使用fiddler抓包,一段时间后,不能访问网络,去掉勾选代理选项,就解决问题了

    répondre
    0
  • ringa_lee

    ringa_lee2017-04-17 17:27:54

    可以关注一下我写的一个开源组件,设置一个代理服务器池,防止反爬虫策略的屏蔽,并进行了自动调节请求频率,处理异常请求,优先选取响应快的代理。https://github.com/letcheng/ProxyPool

    répondre
    0
  • PHP中文网

    PHP中文网2017-04-17 17:27:54

    1.代理

    2.模拟完全的请求

    3.合理的间隔

    4.adsl断线重拨

    répondre
    0
  • PHPz

    PHPz2017-04-17 17:27:54

    办法:
    更换IP,使用代理IP,网上有很多免费喝付费的
    免费IP:http://www.uuip.net/
    付费IP:http://www.daili666.net/

    répondre
    0
  • 迷茫

    迷茫2017-04-17 17:27:54

    通过代理去访问试试

    répondre
    0
  • 天蓬老师

    天蓬老师2017-04-17 17:27:54

    为什么这个问题的答案是这样的,50x错误在于网站本身啊

    répondre
    0
  • Annulerrépondre