您好,登錄后才能下訂單哦!
1. 背景
在使用selenium瀏覽器渲染技術(shù),爬取網(wǎng)站信息時(shí),一般來說,速度是很慢的。而且一般需要用到這種技術(shù)爬取的網(wǎng)站,反爬技術(shù)都比較厲害,對IP的訪問頻率應(yīng)該有相當(dāng)?shù)南拗?。所以,如果想提升selenium抓取數(shù)據(jù)的速度,可以從兩個(gè)方面出發(fā):
第一,提高抓取頻率,出現(xiàn)驗(yàn)證信息時(shí)進(jìn)行破解,一般是驗(yàn)證碼或者用戶登錄。
第二,使用多線程 + 代理IP, 這種方式,需要電腦有足夠的內(nèi)存和充足穩(wěn)定的代理IP 。
2. 為chrome設(shè)置代理IP
from selenium import webdriver chromeOptions = webdriver.ChromeOptions() # 設(shè)置代理 chromeOptions.add_argument("--proxy-server=http://202.20.16.82:10152") # 一定要注意,=兩邊不能有空格,不能是這樣--proxy-server = http://202.20.16.82:10152 browser = webdriver.Chrome(chrome_options = chromeOptions) # 查看本機(jī)ip,查看代理是否起作用 browser.get("http://httpbin.org/ip") print(browser.page_source) # 退出,清除瀏覽器緩存 browser.quit()
注意事項(xiàng):
第一,代理IP最好是穩(wěn)定的固定IP,不要選動態(tài)IP。我們常用的爬蟲IP是高匿名動態(tài)IP,是通過撥號動態(tài)產(chǎn)生的,時(shí)效性很短,一般在1~3分鐘。對于scrapy這種并發(fā)度很高,又不需要登錄的爬蟲來說,非常合適,但是在瀏覽器渲染類爬蟲中并不適用。
第二,代理IP的速度。因?yàn)閟elenium爬蟲采用的是瀏覽器渲染技術(shù),本身速度就很慢。如果選擇的代理IP速度較慢,就會大大增加爬取的時(shí)間。
第三,電腦內(nèi)存要夠大。因?yàn)閏hrome占內(nèi)存較大,在并發(fā)度很高的情況下,容易造成瀏覽器崩潰,也就是程序崩潰。
第四,在程序結(jié)束時(shí),調(diào)用 browser.quit( ) 清除瀏覽器緩存。
3. 需要用戶名密碼驗(yàn)證的代理
參考文章:
Selenium chrome配置代理Python版:https://www.jb51.net/article/151634.htm
GitHub:https://github.com/RobinDev/Selenium-Chrome-HTTP-Private-Proxy
以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。