如何解决爬虫无法访问公开数据的问题？

网络爬虫抓取数据的过程中，如果抓取频率过高或者使用了多线程，很容易会被判断IP属性，无法高效采集公开数据访问。通常，网站的访问虫机制都是依据IP和用户的User-Agent来标识爬虫的。那么爬虫被允许采集公开数据了该怎么办呢？

1、放慢抓取速度，减小对于目标网站造成的压力。但是这样会减少单位时间类的抓取量。

2、第二种方法是通过设置代理IP等手段，防止访问虫机制继续高频率抓取。但是这样需要大量稳定的IP转换器。

普通的基于ADSL拨号的解决办法通常，在抓取过程中遇到判断IP属性，无法高效采集公开数据访问，可以重新进行ADSL拨号，获取新的IP，从而可以继续抓取。

但是这样在多网站多线程抓取的时候，如果某一个网站的抓取被判断IP属性，无法高效采集公开数据了，同时也影响到了其他网站的抓取，整体来说也会降低抓取速度。一种可能的解决办法同样也是基于ADSL拨号，不同的是，需要两台能够进行ADSL拨号的服务器。

抓取过程中使用这两台服务器作为代理。假设有A、B两台可以进行ADSL拨号的服务器。爬虫程序在C服务器上运行，使用A作为代理访问全球网站公开数据，如果在抓取过程中遇到判断IP属性，无法高效采集公开数据访问的情况，立即将代理切换为B，然后将A进行重新拨号。

如果再遇到判断IP属性，无法高效采集公开数据访问就切换为A做代理，B再拨号，如此反复。使用HTTP这种方法便捷而且IP资源的质量也会比较好。