关于人工智能:爬虫程序部署后常见问题整理

在爬虫程序本地测试运行通过之后，一些同学就急不可待的将程序部署到服务器上进行正式运行，而后跑一段时间之后就呈现了各种谬误甚至程序退出，这里将一些常见的问题整顿下供参考：

1、本地调试通过只是阐明程序从申请到数据分析的流程曾经残缺了，然而并不代表程序能长期稳固的采集数据，针对采集的网站须要进行自动化测试，个别倡议依照肯定次数或工夫进行稳定性测试，看看网站的响应状况和反爬状况

2、程序须要加上数据处理的异样爱护，如果是数据要求不高，能够单线程运行，如果数据要求较高，倡议加上多线程运行，进步程序的解决性能

3、依据采集的数据要求和网站状况，配置适当的爬虫代理，这样能够升高网站反爬的危险，爬虫代理的抉择比照中，要重点关注网络提早、IP 池大小和申请成功率，这样能够疾速抉择适宜的爬虫代理产品

上面提供一个 demo 程序，用来统计申请和 IP 散布，也能够依据需要批改成数据采集程序：

#! -*- encoding:utf-8 -*-
    import requests
    import random
    import requests.adapters
 
    # 要拜访的指标页面
    targetUrlList = [
        "https://",
        "https://",
        "https://",
    ]
 
    # 代理服务器 (产品官网 h.shenlongip.com)
    proxyHost = "h.shenlongip.com"
    proxyPort = " "
 
    # 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 拜访都是用 HTTP 代理
    proxies = {
        "http": proxyMeta,
        "https": proxyMeta,
    }
 
    #  设置 IP 切换头
    tunnel = random.randint(1, 10000)
    headers = {"Proxy-Tunnel": str(tunnel)}
 
 
    class HTTPAdapter(requests.adapters.HTTPAdapter):
        def proxy_headers(self, proxy):
            headers = super(HTTPAdapter, self).proxy_headers(proxy)
            if hasattr(self, 'tunnel'):
                headers['Proxy-Tunnel'] = self.tunnel
            return headers
 
 
    # 拜访三次网站，应用雷同的 tunnel 标记，均可能放弃雷同的外网 IP
    for i in range(3):
        s = requests.session()
 
        a = HTTPAdapter()
 
        #  设置 IP 切换头
        a.tunnel = tunnel
        s.mount('https://', a)
 
        for url in targetUrlList:
            r = s.get(url, proxies=proxies)
            print r.text