[b]前言[/b] 最近有个软件专业等级考试，以下简称软考，为了更好的复习备考，我打算抓取www.rkpass.cn网上的软考试题。 首先讲述一下我爬取软考试题的故（keng）事(shi)。现在我已经能自动抓取某一个模块的所有题目了，如下图： [img]http://files.jb51.net/file_images/article/201703/2017328100156953.png?201722810241[/img] 目前可以将信息系统监理师的30条试题记录全部抓取下来，结果如下图所示： [img]http://files.jb51.net/file_images/article/201703/2017328100532550.png?201722810540[/img] 抓取下来的内容图片： [img]http://files.jb51.net/file_images/article/201703/2017328100629771.png?201722810636[/img] 虽然可以将部分信息抓取下来，但是代码的质量并不高，以抓取信息系统监理师为例，因为目标明确，各项参数清晰，为了追求能在短时间内抓取到试卷信息，所以并没有做异常处理，昨天晚上填了很久的坑。 回到主题，今天写这篇博客，是因为又遇到新坑了。从文中标题我们可以猜出个大概，肯定是请求次数过多，所以ip被网站的反爬虫机制给封了。 [img]http://files.jb51.net/file_images/article/201703/2017328100711927.png?201722810720[/img] 活人不能让尿憋死，革命先辈的事迹告诉我们，作为社会主义的接班人，我们不能屈服于困难，逢山开路，遇水搭桥，为了解决ip问题，ip代理这个思路就出来了。 在网络爬虫抓取信息的过程中，如果抓取频率高过了网站的设置阀值，将会被禁止访问。通常，网站的反爬虫机制都是依据IP来标识爬虫的。 [b]于是在爬虫的开发者通常需要采取两种手段来解决这个问题：[/b] 1、放慢抓取速度，减小对于目标网站造成的压力。但是这样会减少单位时间类的抓取量。 2、第二种方法是通过设置代理IP等手段，突破反爬虫机制继续高频率抓取。但是这样需要多个稳定的代理IP。 话不多书，直接上代码： 运行结果截图： [img]http://files.jb51.net/file_images/article/201703/2017328100804257.png?201722810812[/img] 这样，在爬虫请求的时候，把请求ip设置为自动ip，就能有效的躲过反爬虫机制中简单的封锁固定ip这个手段。 ------------------------------------------------------------------------------------------------------------------------------------- 为了网站的稳定，爬虫的速度大家还是控制下，毕竟站长也都不容易。本文测试只抓取了17页ip。 [b]总结[/b] 以上就是这篇文章的全部内容了，希望本文的内容对大家学习或者使用python能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对编程素材网的支持。