隧道转发的爬虫代理加强版代理IP解决爬虫效率问题,现在大数据时代,爬虫工作者已经成为互联网数据公司的关键性职位,他们不但要精通数据抓取和分析,其次还要熟悉搜索引擎和相关检索算法、分布式算法都要有一定的了解。并做爬虫工作的相关内容。如果网络爬虫没有代理IP,就完全无法正常运行工作业务。那么在进行爬虫采集的时候,我们需要注意什么才能发挥出更大的作用呢?
高效性:
高效性包含技术执行的高效性、团队内部成员协同的高效性以及数据分析需求和目标实现的高效性。
全面性:
数据量足够具有分析价值、数据面足够支撑分析需求。
比如对于查询详细信息这一行为,需要采集用户触发时的环境信息、用户id,最后需要统计这一行为在某一时段触发的人数、次数、人均次数、活跃比等。
通过数据的采集分析,可以挖掘到有价值的信息,在进行爬虫之前我们需要准备高质量的代理ip,使用网络爬虫进行采集,都是需要使用隧道转发的爬虫代理加强版代理IP才能更有效的采集到更多的数据信息。
import okhttp3.*;
import java.io.IOException;
import java.net.InetSocketAddress;
import java.net.Proxy;
import java.util.concurrent.TimeUnit;
public class OkHttp {
// 代理服务器(产品官网 www.16yun.cn)
final static String proxyHost = "t.16yun.cn";
final static Integer proxyPort = 31111;
// 代理验证信息
final static String proxyUser = "USERNAME";
final static String proxyPass = "PASSWORD";
static OkHttpClient client = null;
static {
Proxy proxy = new Proxy(Proxy.Type.HTTP, new InetSocketAddress(proxyHost, proxyPort));
Authenticator proxyAuthenticator = new Authenticator() {
public Request authenticate(Route route, Response response) {
String credential = Credentials.basic(proxyUser, proxyPass);
return response.request().newBuilder()
.header("Proxy-Authorization", credential)
.build();
}
};
client = new OkHttpClient().newBuilder()
.connectTimeout(5, TimeUnit.SECONDS)
.readTimeout(5, TimeUnit.SECONDS)
.proxy(proxy)
.proxyAuthenticator(proxyAuthenticator)
.connectionPool(new ConnectionPool(5, 1, TimeUnit.SECONDS))
.build();
}
public static Response doGet() throws IOException {
// 要访问的目标页面
String targetUrl = "http://httpbin.org/ip";
Request request = new Request.Builder()
.url(targetUrl)
.build();
Response response = client.newCall(request).execute();
return response;
}
public static void main(String[] args) throws IOException {
Response response1 = doGet();
System.out.println("GET请求返回结果:");
System.out.println(response1.body().string());
}
}