自动更改IP地址反爬虫封锁,支持多线程

dy223 9年前

ADSL拨号上网使用动态IP地址,每一次拨号得到的IP都不一样,所以我们可以通过程序来自动进行重新拨号以获得新的IP地址,以达到突破反爬虫封锁的目的。

8年多爬虫经验的人告诉你,国内ADSL是王道,多申请些线路,分布在多个不同的电信机房,能跨省跨市更好,我这里写好的断线重拨组件,你可以直接使用。

ADSL拨号上网使用动态IP地址,每一次拨号得到的IP都不一样,所以我们可以通过程序来自动进行重新拨号以获得新的IP地址,以达到突破反爬虫封锁的目的。

那么我们如何进行自动重新拨号呢?

假设有10个线程在跑,大家都正常的跑,跑着跑着达到限制了,WEB服务器提示你“非常抱歉,来自您ip的请求异常频繁”,于是大家争先恐后(几乎是同时)请求拨号,这个时候同步的作用就显示出来了,只会有一个线程能拨号,在他结束之前其他线程都在等,等他拨号成功之后,其他线程会被唤醒并返回

算法描述:
1、假设总共有N个线程抓取网页,发现被封锁之后依次排队请求锁,注意:可以想象成是同时请求。
2、线程1抢先获得锁,并且设置isDialing = true后开始拨号,注意:线程1设置isDialing = true后其他线程才可能获得锁。
3、其他线程(2-N)依次获得锁,发现isDialing = true,于是wait。注意:获得锁并判断一个布尔值,跟后面的拨号操作比起来,时间可以忽略。
4、线程1拨号完毕isDialing = false。注意:这个时候可以断定,其他所有线程必定是处于wait状态等待唤醒。
5、线程1唤醒其他线程,其他线程和线程1返回开始抓取网页。
6、抓了一会儿之后,又会被封锁,于是回到步骤1。

在本场景中,3和4的断定是没问题的,就算是出现“不可能”的情况,即线程1已经拨号完成了,可2-N还没获得锁(汗),也不会重复拨号的情况,因为算法考虑了请求拨号时间和上一次成功拨号时间。

下面以腾达300M无线路由器,型号:N302 v2为例子来说明。

首先,设置路由器:上网设置 -》请根据需要选择连接模式 -》手动连接,由用户手动进行连接,如下图所示。其他的路由器使用方法类似,参照本方法替换相应的登录地址、断开连接及建立连接地址即可。

自动更改IP地址反爬虫封锁,支持多线程

其次,利用Firefox的Firebug功能找到路由器的登录路径及参数、断开连接路径及参数、建立连接路径及参数,如下图所示。

自动更改IP地址反爬虫封锁,支持多线程

自动更改IP地址反爬虫封锁,支持多线程

自动更改IP地址反爬虫封锁,支持多线程

接着,参考如下代码,替换自己相关的路径和参数:

import org.jsoup.Connection;  import org.jsoup.Jsoup;  import org.jsoup.nodes.Document;  import org.slf4j.Logger;  import org.slf4j.LoggerFactory;  import java.util.*;    /**   *   * 自动更改IP地址反爬虫封锁,支持多线程   *   * ADSL拨号上网使用动态IP地址,每一次拨号得到的IP都不一样   *   * 使用腾达300M无线路由器,型号:N302 v2   * 路由器设置中最好设置一下:上网设置 -》请根据需要选择连接模式 -》手动连接,由用户手动进行连接。   * 其他的路由器使用方法类似,参照本类替换相应的登录地址、断开连接及建立连接地址即可   *   * @author 杨尚川   */  public class DynamicIp {      private DynamicIp(){}      private static final Logger LOGGER = LoggerFactory.getLogger(DynamicIp.class);      private static final String ACCEPT = "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8";      private static final String ENCODING = "gzip, deflate";      private static final String LANGUAGE = "zh-cn,zh;q=0.8,en-us;q=0.5,en;q=0.3";      private static final String CONNECTION = "keep-alive";      private static final String HOST = "192.168.0.1";      private static final String REFERER = "http://192.168.0.1/login.asp";      private static final String USER_AGENT = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:36.0) Gecko/20100101 Firefox/36.0";      private static volatile boolean isDialing = false;      private static volatile long lastDialTime = 0l;        public static void main(String[] args) {          toNewIp();      }        /**       * 假设有10个线程在跑,大家都正常的跑,跑着跑着达到限制了,       * 于是大家争先恐后(几乎是同时)请求拨号,       * 这个时候同步的作用就显示出来了,只会有一个线程能拨号,       * 在他结束之前其他线程都在等,等他拨号成功之后,       * 其他线程会被唤醒并返回       *       * 算法描述:       * 1、假设总共有N个线程抓取网页,发现被封锁之后依次排队请求锁,注意:可以想象成是同时请求。       * 2、线程1抢先获得锁,并且设置isDialing = true后开始拨号,注意:线程1设置isDialing = true后其他线程才可能获得锁。       * 3、其他线程(2-N)依次获得锁,发现isDialing = true,于是wait。注意:获得锁并判断一个布尔值,跟后面的拨号操作比起来,时间可以忽略。       * 4、线程1拨号完毕isDialing = false。注意:这个时候可以断定,其他所有线程必定是处于wait状态等待唤醒。       * 5、线程1唤醒其他线程,其他线程和线程1返回开始抓取网页。       * 6、抓了一会儿之后,又会被封锁,于是回到步骤1。       * 注意:在本场景中,3和4的断定是没问题的,就算是出现“不可能”的情况,       * 即线程1已经拨号完成了,可2-N还没获得锁(汗),也不会重复拨号的情况,       * 因为算法考虑了请求拨号时间和上一次成功拨号时间。       * @return 更改IP是否成功       */      public static boolean toNewIp() {          long requestDialTime = System.currentTimeMillis();          LOGGER.info(Thread.currentThread()+"请求重新拨号");          synchronized (DynamicIp.class) {              if (isDialing) {                  LOGGER.info(Thread.currentThread()+"已经有其他线程在进行拨号了,我睡觉等待吧,其他线程拨号完毕会叫醒我的");                  try {                      DynamicIp.class.wait();                  } catch (InterruptedException e) {                      LOGGER.error(e.getMessage(), e);                  }                  LOGGER.info(Thread.currentThread()+"其他线程已经拨完号了,我可以返回了");                  return true;              }              isDialing = true;          }          //保险起见,这里再判断一下          //如果请求拨号的时间小于上次成功拨号的时间,则说明这个请求来的【太迟了】,则返回。          if(requestDialTime <= lastDialTime){              LOGGER.info("请求来的太迟了");              isDialing = true;              return true;          }          LOGGER.info(Thread.currentThread()+"开始重新拨号");          long start = System.currentTimeMillis();          Map<String, String> cookies = login("username***", "password***", "phonenumber***");          if("true".equals(cookies.get("success"))) {              LOGGER.info(Thread.currentThread()+"登陆成功");              cookies.remove("success");              while (!disConnect(cookies)) {                  LOGGER.info(Thread.currentThread()+"断开连接失败,重试!");              }              LOGGER.info(Thread.currentThread()+"断开连接成功");              while (!connect(cookies)) {                  LOGGER.info(Thread.currentThread()+"建立连接失败,重试!");              }              LOGGER.info(Thread.currentThread()+"建立连接成功");              LOGGER.info(Thread.currentThread()+"自动更改IP地址成功!");              LOGGER.info(Thread.currentThread()+"拨号耗时:"+(System.currentTimeMillis()-start)+"毫秒");              //通知其他线程拨号成功              synchronized (DynamicIp.class) {                  DynamicIp.class.notifyAll();              }              isDialing = false;              lastDialTime = System.currentTimeMillis();              return true;          }          isDialing = false;          return false;      }        public static boolean connect(Map<String, String> cookies){          return execute(cookies, "3");      }      public static boolean disConnect(Map<String, String> cookies){          return execute(cookies, "4");      }      public static boolean execute(Map<String, String> cookies, String action){          String url = "http://192.168.0.1/goform/SysStatusHandle";          Map<String, String> map = new HashMap<>();          map.put("action", action);          map.put("CMD", "WAN_CON");          map.put("GO", "system_status.asp");          Connection conn = Jsoup.connect(url)                  .header("Accept", ACCEPT)                  .header("Accept-Encoding", ENCODING)                  .header("Accept-Language", LANGUAGE)                  .header("Connection", CONNECTION)                  .header("Host", HOST)                  .header("Referer", REFERER)                  .header("User-Agent", USER_AGENT)                  .ignoreContentType(true)                  .timeout(30000);          for(String cookie : cookies.keySet()){              conn.cookie(cookie, cookies.get(cookie));          }            String title = null;          try {              Connection.Response response = conn.method(Connection.Method.POST).data(map).execute();              String html = response.body();              Document doc = Jsoup.parse(html);              title = doc.title();              LOGGER.info("操作连接页面标题:"+title);          }catch (Exception e){              LOGGER.error(e.getMessage());          }          if("LAN | LAN Settings".equals(title)){              if(("3".equals(action) && isConnected())                      || ("4".equals(action) && !isConnected())){                  return true;              }          }          return false;      }      public static boolean isConnected(){          try {              Document doc = Jsoup.connect("http://www.baidu.com/s?wd=杨尚川&t=" + System.currentTimeMillis())                      .header("Accept", ACCEPT)                      .header("Accept-Encoding", ENCODING)                      .header("Accept-Language", LANGUAGE)                      .header("Connection", CONNECTION)                      .header("Referer", "https://www.baidu.com")                      .header("Host", "www.baidu.com")                      .header("User-Agent", USER_AGENT)                      .ignoreContentType(true)                      .timeout(30000)                      .get();              LOGGER.info("搜索结果页面标题:"+doc.title());              if(doc.title() != null && doc.title().contains("杨尚川")){                  return true;              }          }catch (Exception e){              if("Network is unreachable".equals(e.getMessage())){                  return false;              }else{                  LOGGER.error("状态检查失败:"+e.getMessage());              }          }          return false;      }      public static Map<String, String> login(String userName, String password, String verify){          try {              Map<String, String> map = new HashMap<>();              map.put("Username", userName);              map.put("Password", password);              map.put("checkEn", "0");              Connection conn = Jsoup.connect("http://192.168.0.1/LoginCheck")                      .header("Accept", ACCEPT)                      .header("Accept-Encoding", ENCODING)                      .header("Accept-Language", LANGUAGE)                      .header("Connection", CONNECTION)                      .header("Referer", REFERER)                      .header("Host", HOST)                      .header("User-Agent", USER_AGENT)                      .ignoreContentType(true)                      .timeout(30000);                Connection.Response response = conn.method(Connection.Method.POST).data(map).execute();              String html = response.body();              Document doc = Jsoup.parse(html);              LOGGER.info("登陆页面标题:"+doc.title());              Map<String, String> cookies = response.cookies();              if(html.contains(verify)){                  cookies.put("success", Boolean.TRUE.toString());              }              LOGGER.info("*******************************************************cookies start:");              cookies.keySet().stream().forEach((cookie) -> {                  LOGGER.info(cookie + ":" + cookies.get(cookie));              });              LOGGER.info("*******************************************************cookies end:");              return cookies;          }catch (Exception e){              LOGGER.error(e.getMessage(), e);          }          return Collections.emptyMap();      }  }

最后,就可以使用了,例子如下:

public static void classify(Set<Word> words){      LOGGER.debug("待处理词数目:"+words.size());      AtomicInteger i = new AtomicInteger();      Map<String, List<String>> data = new HashMap<>();      words.forEach(word -> {          if(i.get()%1000 == 999){              save(data);          }          showStatus(data, i.incrementAndGet(), words.size(), word.getWord());          String html = getContent(word.getWord());          LOGGER.debug("获取到的HTML:" +html);          while(html.contains("非常抱歉,来自您ip的请求异常频繁")){              //使用新的IP地址              DynamicIp.toNewIp();              html = getContent(word.getWord());          }          if(StringUtils.isNotBlank(html)) {              parse(word.getWord(), html, data);          }else{              NOT_FOUND_WORDS.add(word.getWord());          }        });      //写入磁盘      save(data);      LOGGER.debug("处理完毕,总词数目:"+words.size());  }

本文讲述的方法和代码来源于本人的开源目superword,superword是一个Java实现的英文单词分析软件,主要研究英语单词音近形似转化规律、前缀后缀规律、词之间的相似性规律等等。

代码链接:

1、https://github.com/ysc/superword/blob/master/src/main/java/org/apdplat/superword/tools/DynamicIp.java 

2、https://github.com/ysc/superword/blob/master/src/main/java/org/apdplat/superword/tools/WordClassifier.java


来自:http://my.oschina.net/apdplat/blog/391088