爬虫代理IP自动分配失败的原因
最近有小伙伴使用爬虫代理的时候发现一个问题,通过爬虫代理发起请求之后,并没有实现每个HTTP请求自动分配不同的代理IP,而是所有请求都是保持相同代理IP固定使用20秒之后,才会切换新的代理IP,这是什么原因导致的呢?小伙伴提供的部分代码如下:程序代码:
#! -*- encoding:utf-8 -*- import requests import random # 要访问的目标页面 targetUrl = "http:// # 要访问的目标HTTPS页面 # targetUrl = "https:// # 代理服务器(产品官网 www.) proxyHost = "t. proxyPort = "31111" # 代理验证信息 proxyUser = "username" proxyPass = "password" proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % { "host" : proxyHost, "port" : proxyPort, "user" : proxyUser, "pass" : proxyPass, } # 设置 http和https访问都是用HTTP代理 proxies = { "http" : proxyMeta, "https" : proxyMeta, } # 设置IP切换头 tunnel = random.randint(1,10000) headers = { ‘Connection’:'keep-alive', 'Accept-Language':'zh', "Proxy-Tunnel": str(tunnel) } for i in range(100): resp = requests.get(targetUrl, proxies=proxies, headers=headers) print resp.status_code print resp.text time.sleep(0.2)
经过调试分析,上面的代码主要是两个问题:
1、‘Connection’:'keep-alive' 需要关闭
keep-alive 是客户端和服务端的协议规范,开启 keep-alive,则服务端在返回 response 后不关闭 TCP 连接,接收完响应报文后,客户端也不关闭连接,发送下一个 HTTP 请求时会重用该连接,这就导TCP的链接不断开,因此爬虫代理的自动IP切换就失效了。导致一个代理IP会长期保持使用,直到该代理IP的有效时间20秒到期之后,强制关闭TCP连接切换新的代理IP。
2、tunnel 参数设置错误
tunnel 是用来控制代理IP切换的控制参数。爬虫代理会检查tunnel的数值,数值不同就将HTTP请求随机分配一个新代理IP转发,tunnel相同就将HTTP请求分配相同的代理IP转发。因此为实现每个HTTP请求通过不同的代理IP转发,就应该在for下面实现tunnel = random.randint(1,10000),确保每次HTTP请求中的tunnel是不同的数值。
[此贴子已经被作者于2021-7-22 15:14编辑过]