JavaEE
鸿蒙应用开发
HTML&JS+前端
Python+大数据开发
人工智能开发
AI+设计
软件测试
新媒体+短视频
集成电路应用开发
更新时间:2019年07月26日 10时50分15秒 来源:黑马程序员论坛
|
现如今大数据时代，数据的信息的重要性已经涉及到很多的方面。爬虫也因此应运而生，成为了很火的一种技术。现在从事爬虫技术工作的人很多，很多的不管大还是小的公司，只要对数据有需求都需要用到爬虫，而爬虫代理对于数据的获取又是一个不可或缺的要素，很多的代理商也因此诞生。今天我们来分享下大家在数据采集过程必须的过程吗，代理IP的获取与检测。 许多写爬虫的朋友第一个碰到的难题就是：在对某个网站进行了持续一段时间的爬取之后，网站的反爬虫机制会返回一些错误的结果给爬虫，503、407，，，，要不就是强制给你跳转到登录界面，让你获取elements的时候出错。或者最厉害的就是出现验证码。这时要应对这些问题就需要用到代理IP。接下里以爬取拉勾网的所有招聘信息为例，为大家解决这个问题。 由于现在网站的代理商很多，代理质量也是参差不齐，但是有点是肯定的，免费的代理质量是不会好到哪里去的，至于付费代理，只有大家实际的去测试了才知道效果。毕竟很多宣传和实际也是有出入的。下文介绍的是亿牛云代理，个人觉得质量很好。 C Sharp // 要访问的目标页面 string targetUrl = "ttps://weibo.com"; // 代理服务器 string proxyHost = "http://t.16yun.cn"; string proxyPort = "6447"; // 代理隧道验证信息 string proxyUser = "16IXNGXO"; string proxyPass = "366338"; // 设置代理服务器 WebProxy proxy = new WebProxy(string.Format("{0}:{1}", proxyHost, proxyPort), true); ServicePointManager.Expect100Continue = false; var request = WebRequest.Create(targetUrl) as HttpWebRequest; request.AllowAutoRedirect = true; request.KeepAlive = true; request.Method = "GET"; request.Proxy = proxy; //request.Proxy.Credentials = CredentialCache.DefaultCredentials; request.Proxy.Credentials = new System.Net.NetworkCredential(proxyUser, proxyPass); // 设置Proxy Tunnel // Random ran=new Random(); // int tunnel =ran.Next(1,10000); // request.Headers.Add("Proxy-Tunnel", String.valueOf(tunnel)); //request.Timeout = 20000; //request.ServicePoint.ConnectionLimit = 512; //request.UserAgent = "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.82 Safari/537.36"; //request.Headers.Add("Cache-Control", "max-age=0"); //request.Headers.Add("DNT", "1"); //String encoded = System.Convert.ToBase64String(System.Text.Encoding.GetEncoding("ISO-8859-1").GetBytes(proxyUser + ":" + proxyPass)); //request.Headers.Add("Proxy-Authorization", "Basic " + encoded); using (var response = request.GetResponse() as HttpWebResponse) using (var sr = new StreamReader(response.GetResponseStream(), Encoding.UTF8)) { string htmlStr = sr.ReadToEnd(); } 我这个是使用的动态转发代理，程序不需要自己管理ip池，配置好就可以直接采集数据，这个比较方便节约时间，他们的后台会自动切换ip。只要程序跑起来采集到数据就是代理用上了。不过这个需要看业务需求，如果需要自己管理ip池，自己控制ip的使用那可以换成api模式的。代理虽然是采集数据的但是程序的反爬策略优化也是不能少的，需要完善自己的爬虫程序，ua，cookie等都需要完善才能更好的采集数据。 |
推荐了解热门学科
| java培训 | Python人工智能 | Web前端培训 | PHP培训 |
| 区块链培训 | 影视制作培训 | C++培训 | 产品经理培训 |
| UI设计培训 | 新媒体培训 | 产品经理培训 | Linux运维 |
| 大数据培训 | 智能机器人软件开发 |
传智播客是一家致力于培养高素质软件开发人才的科技公司，“黑马程序员”是传智播客旗下高端IT教育品牌。自“黑马程序员”成立以来，教学研发团队一直致力于打造精品课程资源，不断在产、学、研3个层面创新自己的执教理念与教学方针，并集中“黑马程序员”的优势力量，针对性地出版了计算机系列教材50多册，制作教学视频数+套，发表各类技术文章数百篇。
传智播客从未停止思考
传智播客副总裁毕向东在2019IT培训行业变革大会提到，“传智播客意识到企业的用人需求已经从初级程序员升级到中高级程序员，具备多领域、多行业项目经验的人才成为企业用人的首选。”
中级程序员和初级程序员的差别在哪里?
项目经验。毕向东表示，“中级程序员和初级程序员最大的差别在于中级程序员比初级程序员多了三四年的工作经验，从而多出了更多的项目经验。“为此，传智播客研究院引进曾在知名IT企业如阿里、IBM就职的高级技术专家，集中研发面向中高级程序员的课程，用以满足企业用人需求，尽快补全IT行业所需的人才缺口。
何为中高级程序员课程?
传智播客进行了定义。中高级程序员课程，是在当前主流的初级程序员课程的基础上，增加多领域多行业的含金量项目，从技术的广度和深度上进行拓展。“我们希望用5年的时间，打造上百个高含金量的项目，覆盖主流的32个行业。”传智播客课程研发总监于洋表示。
黑马程序员热门视频教程【点击播放】
| Python入门教程完整版（懂中文就能学会） | 零起点打开Java世界的大门 |
| C++| 匠心之作 从0到1入门学编程 | PHP|零基础入门开发者编程核心技术 |
| Web前端入门教程_Web前端html+css+JavaScript | 软件测试入门到精通 |