网络爬虫没有代理IP真的不行吗

　　有朋友问：爬虫必须用代理IP吗？很多人认为爬虫必须要用代理IP，没有代理IP将寸步难行；也有人说，代理IP是非必须的。那么他们这样认为的理由都是什么呢？

　　有朋友说他用的火车头采集器，用来采集一些文章，然后筛选符合自己要求的进行加工，他从来就没有用过代理IP，一天采集量一万篇左右。他认为没有代理IP照爬不误。

　　有朋友说他自己写爬虫程序，公司的任务一天要爬取几十万个页面，有时任务多的时候一天要上百万，爬着爬着IP就被封了，没有代理IP根本不行，他认为没有代理ip爬虫将寸步难行。

　　很显然，他们讲的都很有道理，都用亲身体验来证明了自己的观点。其实，爬虫程序从本质上来说也是个访问网页的用户而已，只不过是个不那么守规矩的特殊用户，服务器一般很不欢迎这样的特殊用户总是用各种手段发现和禁止。最常见的就是判断你访问的频率，因为普通人访问网页的频率是不会很快的，如果发现某个ip访问的过快就会将此ip封禁。

　　当任务量不是很大的时候，也就是第一位朋友那样，可以慢慢的爬，频率不是很快，在目标服务器看来可以忍受，不影响正常运行，这样就不会封IP，所以他可以不用代理IP完成每天的任务量。

　　当任务量比较大的时候，比如第二位朋友，一天几十万上百万的数据，慢慢爬就完不成任务了，加速爬的话，目标服务器压力太大，就会封IP，同样完不成任务。那怎么办呢，只有用代理IP来解决了。

　　举个栗子，一个IP短时间访问100次，会被目标服务器认为访问过快，导致IP被封，而使用10个代理IP短时间访问10次的话，就不会被认为过快从而被封了。当任务量庞大的时候，使用代理IP往往可以事半功倍，这就是为什么有认为没有代理IP就没有网络爬虫的原因了。