爬虫程序部署流程问题梳理

　　在爬虫程序本地测试运行通过之后，一些同学就迫不及待的将程序部署到服务器上进行正式运行，然后跑一段时间之后就出现了各种错误甚至程序退出，这里将一些常见的问题整理下供参考：

　　1、本地调试通过只是说明程序从请求到数据分析的流程已经完整了，但是并不代表程序能长期稳定的采集数据，针对采集的网站需要进行自动化测试，一般建议按照一定次数或时间进行稳定性测试，看看网站的响应情况和反爬情况

　　2、程序需要加上数据处理的异常保护，如果是数据要求不高，可以单线程运行，如果数据要求较高，建议加上多线程运行，提高程序的处理性能

　　3、根据采集的数据要求和网站情况，配置适当的爬虫代理，这样可以降低网站反爬的风险，爬虫代理的选择对比中，要重点关注网络延迟、IP 池大小和请求成功率，这样可以快速选择适合的爬虫代理产品

　　下面提供一个 demo 程序，用来统计请求和 IP 分布，也可以根据需求修改成数据采集程序： ` #! -- encoding:utf-8 -- import requests import random import requests.adapters

# 要访问的目标页面
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访问都是用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


# 访问三次网站，使用相同的tunnel标志，均能够保持相同的外网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 `