1、在爬虫的时候经常会遇到亚马逊返回的503,我这边即使使用了代理ip还是无法规避被限制的问题,该如何处理呢?
我的解决方案:
1、目标网址对访问频率有着明显的限制,如果访问过快比如每次都是1秒内访问就容易导致被亚马逊限制返回503,所以我们可以控制随机访问频率:我这边设置了随机从列表中随机取睡眠时间,然后再去设置代码访问目标地址,就可以正常返回了。注意:随机时间一定要大于1秒,否则会被亚马逊识别出来
2、其次还要设置cookie,和ua,这样就可以成功了
看下我在服务器上通过以上两种方式并使用代理ip测试亚马逊爬虫的成功率,平均耗时是从访问前到访问成功后的时间,2.5秒,在国内是比较快的了,其他家的都是4/5秒,推荐代理ip用的代理ip成功率挺高的:https://h.shenlongip.com/index?from=seller&did=h4Dmox(介绍客户成功使用,福利多多)
3、通过selenium模块也可以规避目标地址的反爬系统解决