提高爬虫采集效率方法之一

在我们使用爬虫进行数据爬取的时候，爬着爬着就经常会遇到这种情况出现“HTTP  Error
403: Forbidden ”的提示，还有504，这是啥意思呢？ 其实他是一种http状态码，表示你的爬虫程序在访问过程中被限制爬虫行为或者被封了ip，比如某用户频繁的访问A网站，被A网站屏蔽 。它不属于技术上的错误，但是需要技术解决问题。
所以我们更换ip的目的就是为了防止返回403或504的状态，防止爬虫被封锁，接下来我们记录一下使用python使用代理爬取的过程。代码如下：
#! -*- encoding:utf-8 -*-
        import base64           
        import sys
        import random

        PY3 = sys.version_info[0] >= 3

        def base64ify(bytes_or_str):
            if PY3 and isinstance(bytes_or_str, str):
                input_bytes = bytes_or_str.encode('utf8')
            else:
                input_bytes = bytes_or_str

            output_bytes = base64.urlsafe_b64encode(input_bytes)
            if PY3:
                return output_bytes.decode('ascii')
            else:
                return output_bytes

        class ProxyMiddleware(object):               
            def process_request(self, request, spider):
                # 代理服务器(产品官网 www.16yun.cn)
                proxyHost = "t.16yun.cn"
                proxyPort = "31111"

                # 代理验证信息
                proxyUser = "16WZZNJR"
                proxyPass = "392368"

                request.meta['proxy'] = "http://{0}:{1}".format(proxyHost,proxyPort)

                # 添加验证头
                encoded_user_pass = base64ify(proxyUser + ":" + proxyPass)
                request.headers['Proxy-Authorization'] = 'Basic ' + encoded_user_pass                   

                # 设置IP切换头(根据需求)
                tunnel = random.randint(1,10000)
                request.headers['Proxy-Tunnel'] = str(tunnel)
爬虫经验说明：
虽然网上有很多提供免费代理ip的，但是实践证明免费的ip各方面的效果都很差，建议大家还是选择付费的，虽然需要花费一些费用，但是会让我们的效率提升，毕竟时间就是金钱的呀，还有就是网上代理千万家，质量，服务最好选这家www.16yun.cn