写的爬虫，爬取一段时间后，服务器就不响应了，有什么解决办法？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 3291 天前的主题，其中的信息可能已经有所发展或是发生改变。

RT ，一个下载文件的爬虫，一段时间后，服务器完全不响应。
可以确定的是服务器端根据不同 UA ，需要 POST 的数据不同，
我已经区分开 IE 、 chrome 、 firefox 三者各自需要的数据了，还是会有这种情况。
是因为 IP 限制了吗？

第 1 条附言 · 2015-12-28 22:35:26 +08:00

谢谢各位，不过我遇到的问题看起来更像是服务器撑不住响应时间太长，而我的代码异常捕获有问题

爬虫

服务器

Firefox

响应

16 条回复 • 2018-04-14 16:07:06 +08:00

abelyao

2015-12-27 16:40:33 +08:00

有 IP 限制很正常啊… 没 IP 限制得被人爬到崩…

marcushbs

2015-12-27 16:41:46 +08:00

一般请求间要加一个按 x2 自增的 interval ，发现没反应了就等等，爬的那些服务如果靠谱点一般都有 ip 访问次数限制

excelle08

2015-12-27 16:45:18 +08:00

没设置 timeout ？

cyneuzk

2015-12-27 16:51:27 +08:00

@excelle08 设置了呀

cyneuzk

2015-12-27 16:51:48 +08:00

@abelyao 这种情况有方法解决吗

abelyao

2015-12-27 16:52:47 +08:00

@cyneuzk 买代理 IP ，爬几次之后就换一个 IP 咯

wgjak47

2015-12-27 17:00:40 +08:00

只有换 ip 喽。

FanPengcheng

2015-12-27 18:15:36 +08:00

在 header 里伪造来源 IP 。

wxg4net

2015-12-27 18:19:18 +08:00

伪造请求 IP(标准), 参数包含：
VIA:xxx.xxx.xxx.xxx
Client-Ip:xxx.xxx.xxx.xxx
X-Forwarded-For:xxx.xxx.xxx.xxx

cyneuzk

2015-12-27 21:33:31 +08:00 via iPhone

@wxg4net 学习一下

cyneuzk

2015-12-27 21:33:45 +08:00 via iPhone

@FanPengcheng 能详细点不

Linxing

2015-12-28 15:25:07 +08:00

加入代理服务器吧，不停的切换代理

meloncrashed

2015-12-28 18:32:14 +08:00

上面前辈都说了

多个 ip 切换，　每抓之间试试不同的时间间隔

meloncrashed

2015-12-28 18:33:37 +08:00

可以考虑时间间隔，是个随机数，不然动作太过规律，容易被看出来是非人类。

KentY

2015-12-28 19:24:09 +08:00

弄个代理池, 换着爬

hengsha

2018-04-14 16:07:06 +08:00

可能是服务器的问题，推荐使用郑州新数据代理的美国多 IP 服务器