前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >爬虫程序部署后常见问题整理

爬虫程序部署后常见问题整理

原创
作者头像
python亦希
发布2022-01-14 20:10:03
1480
发布2022-01-14 20:10:03
举报
文章被收录于专栏:python理论

在爬虫程序本地测试运行通过之后,一些同学就迫不及待的将程序部署到服务器上进行正式运行,然后跑一段时间之后就出现了各种错误甚至程序退出,这里将一些常见的问题整理下供参考:

  1、本地调试通过只是说明程序从请求到数据分析的流程已经完整了,但是并不代表程序能长期稳定的采集数据,针对采集的网站需要进行自动化测试,一般建议按照一定次数或时间进行稳定性测试,看看网站的响应情况和反爬情况

  2、程序需要加上数据处理的异常保护,如果是数据要求不高,可以单线程运行,如果数据要求较高,建议加上多线程运行,提高程序的处理性能

  3、根据采集的数据要求和网站情况,配置适当的爬虫代理,这样可以降低网站反爬的风险,爬虫代理的选择对比中,要重点关注网络延迟、IP 池大小和请求成功率,这样可以快速选择适合的爬虫代理产品

  下面提供一个 demo 程序,用来统计请求和 IP 分布,也可以根据需求修改成数据采集程序:

代码语言:txt
复制

#! -- encoding:utf-8 --

代码语言:txt
复制
import requests
代码语言:txt
复制
import random
代码语言:txt
复制
import requests.adapters
代码语言:txt
复制
# 要访问的目标页面
代码语言:txt
复制
targetUrlList = [
代码语言:txt
复制
    "https://",
代码语言:txt
复制
    "https://",
代码语言:txt
复制
    "https://",
代码语言:txt
复制
]
代码语言:txt
复制
# 代理服务器(产品官网 h.shenlongip.com)
代码语言:txt
复制
proxyHost = " h.shenlongip.com"
代码语言:txt
复制
proxyPort = "  "
代码语言:txt
复制
# 代理验证信息
代码语言:txt
复制
proxyUser = "username"
代码语言:txt
复制
proxyPass = "password"
代码语言:txt
复制
proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
代码语言:txt
复制
    "host": proxyHost,
代码语言:txt
复制
    "port": proxyPort,
代码语言:txt
复制
    "user": proxyUser,
代码语言:txt
复制
    "pass": proxyPass,
代码语言:txt
复制
}
代码语言:txt
复制
# 设置 http和https访问都是用HTTP代理
代码语言:txt
复制
proxies = {
代码语言:txt
复制
    "http": proxyMeta,
代码语言:txt
复制
    "https": proxyMeta,
代码语言:txt
复制
}
代码语言:txt
复制
#  设置IP切换头
代码语言:txt
复制
tunnel = random.randint(1, 10000)
代码语言:txt
复制
headers = {"Proxy-Tunnel": str(tunnel)}
代码语言:txt
复制
class HTTPAdapter(requests.adapters.HTTPAdapter):
代码语言:txt
复制
    def proxy_headers(self, proxy):
代码语言:txt
复制
        headers = super(HTTPAdapter, self).proxy_headers(proxy)
代码语言:txt
复制
        if hasattr(self, 'tunnel'):
代码语言:txt
复制
            headers['Proxy-Tunnel'] = self.tunnel
代码语言:txt
复制
        return headers
代码语言:txt
复制
# 访问三次网站,使用相同的tunnel标志,均能够保持相同的外网IP
代码语言:txt
复制
for i in range(3):
代码语言:txt
复制
    s = requests.session()
代码语言:txt
复制
    a = HTTPAdapter()
代码语言:txt
复制
    #  设置IP切换头
代码语言:txt
复制
    a.tunnel = tunnel
代码语言:txt
复制
    s.mount('https://', a)
代码语言:txt
复制
    for url in targetUrlList:
代码语言:txt
复制
        r = s.get(url, proxies=proxies)
代码语言:txt
复制
        print r.text

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档