爬虫被封的原因和对策

大数据时代下，爬取常用的方法是写一个爬虫程序向网络服务器请求数据，然后对数据进行解析，然后提取所需要的信息，但是总会有阻碍请求数据时经常受到访问限制，对IP进行封禁，导致爬虫程序被终止，timeout httperror等。那么爬虫被封的原因有哪些呢？

一、首先，检查JavaScript。如果你从网络服务器收到的页面是空白的，缺少信息，或其遇到他不符合你预期的情况（或者不是你在浏览器上看到的内容），有可能是因为网站创建页面的JavaScript执行有问题。

二、检查正常浏览器提交的参数。如果你准备向网站提交表单或发出POST请求，记得检查一下页面的内容，看看你想提交的每个字段是不是都已经填好，而且格式也正确。用Chrome浏览器的网络面板（快捷键F12打开开发者控制台，然后点击“Network”即可看到）查看发送到网站的POST命令，确认你的每个参数都是正确的。

三、是否有合法的Cookie？如果你已经登录网站却不能保持登录状态，或者网站上出现了其他的“登录状态”异常，请检查你的cookie。确认在加载每个页面时cookie都被正确调用，而且你的cookie在每次发起请求时都发送到了网站上。

四、IP被封禁？如果你在客户端遇到了HTTP错误，尤其是403禁止访问错误，这可能说明网站已经把你的IP当作机器人了，不再接受你的任何请求这个时候需要使用到全球ip资源的IPIDEA。如果你确定自己并没有被封杀，那么再检查下面的内容。

五、确认你的爬虫在网站上的速度不是特别快。快速是一种恶习，会对网服务器造成负担，也是IP被封首要原因。

六、要修改你的请求头！有些网站会封杀任何声称自己是爬虫的访问者。如果你不确定请求头的值怎样才算合适，用自己浏览器的请求头。

七、确认你没有点击或访问任何人类用户通常不能点击或接入的信息。

那么，有哪些对策来解决这些问题呢？

网站防爬的前提就是要正确地区分人类访问用户和网络机器人。虽然网站可以使用很多识别技术（比如验证码）来防止爬虫，但还是有一些十分简单的方法，可以让你的网络机器人看起来更像人类访问用户。

1、构造合理的HTTP请求头，设置User-Agent。

2、正常的时间访问间隔，不要在极短的短时间内访问。

3、多用ip，让服务器认为是不同的用户在访问。

4、申请多个key，各个key轮流使用，突破QPS限制和访问次数限额。