IP模擬器

爬蟲在很多情況下需要偽裝IP。為了防止郵件爬蟲和其他惡意網絡爬蟲離開任何用戶代理字段內容，它們還會將自己偽裝成瀏覽器或其他眾所周知的網絡爬蟲。使用http請求的用戶代理字段向網絡服務器指示他們的身份。網絡管理員檢查網絡服務器的日志，并使用用戶代理字段來識別哪個爬網程序已經訪問過以及訪問的頻率，用戶代理字段可能包含允許管理員獲取有關爬網程序的更多信息的URL。

 

動態IP模擬器

 

一般來說，爬蟲有足夠的http代理ip，不容易被硬化。而一些中小網站想屏蔽你，寧愿花高成本，把你全部抓起來；因為大多數網站沒有虛擬專用網，所以它們使用虛擬空間或PAAS云，如SAE、BAE。其實就算他們不考慮SEO (Search Engine Optimization)，用ajax渲染網頁數據，我也可以用webkit瀏覽器組件處理ajax后的數據。也可以尋找代理網站，抓取ip進行動態輪詢，或者使用他人制作的第三方ip代理平臺來解決上述問題。

 

但是，也有一些網站不夠忙。他就是喜歡從日志里一行行分析你的ip，然后統計高頻的網站。這個時候該怎么辦？其實方法很簡單，就是使用大量的主機，還要保證爬蟲種子的數量，多個ip是沒有問題的。通過一些比較傷腦細胞的策略，我們能不能把爬蟲完全偽裝成網友的瀏覽行為，從而避開大多數反爬蟲的策略？