http://passover.blog.51cto.com/2431658/502232

转载自：点击打开链接

所有写搜索的朋友估计都有过和我一样的烦恼，那就是如果不断的对某一个网站进行爬行，很容易被封IP。最笨的版本就是减少爬行频率，但是在很多场景下对爬行效率是有要求的，那么最直接的办法就是不断切换实际访问的IP，来达到访问流量分散的效果。当然也有很多朋友在用一个比较贱的办法，就是用ADSL拨号方式爬行，一旦被封掉就重新拨号换个IP，这个也算一个非常取巧的手段了。

本文重点介绍代理IP自动切换的方式，其实这个如果只是要实现，那是再简单不过了。一个爬虫在启动的时候读取一批代理IP，访问网页的时候不断轮换，这样就是一个最简单的实现。但是这样有一个比较大的问题，就是你每写一个爬虫就要实现这样的模块，多个爬虫之前还不能共享代理IP资源。

这里我想到利用一个本地代理来实现这个效果，那么爬虫只要连接到这一个代理，他在帮忙访问最终页面的时候再使用一个代理池不断轮换。这个方案既解决了代码重复的问题，又解决了多个爬虫都要维护代理IP列表的麻烦，而且部署起来也非常简单。

经过本方案改造前后的部署示意图：



我这里用Jetty7的proxy server做了一个简单的例子，实现了本地代理的功能，代码非常简单，贴出来大家一起学习下吧。

public class WiseProxyServlet extends ProxyServlet {

public void service(ServletRequest req, ServletResponse res)
throws ServletException, IOException {
_client.setProxy(getProperAddress());
super.service(req, res);
}

/**
* 这应该是在一个代理池中按照一定的规则来不断切换代理
*/
private Address getProperAddress() {
return new Address("222.169.11.102", 8080);
}

}

public class WiseProxyServer {

public static void main(String[] args) throws Exception {
Server server = new Server();
SelectChannelConnector connector = new SelectChannelConnector();
connector.setPort(8888);
server.addConnector(connector);

HandlerCollection handlers = new HandlerCollection();
server.setHandler(handlers);

// Setup proxy servlet
ServletContextHandler context = new ServletContextHandler(handlers, "/", ServletContextHandler.SESSIONS);
ServletHolder proxyServlet = new ServletHolder(WiseProxyServlet.class);
context.addServlet(proxyServlet, "/*");

// Setup proxy handler to handle CONNECT methods
ConnectHandler proxy = new ConnectHandler();
handlers.addHandler(proxy);

server.start();
}

}