PHP网站抓取：高效数据采集与反爬策略实战教程

搞网站抓取必须知道的代理IP生存法则

咱们程序员做数据采集最怕啥？不是代码难写，是对方网站突然给你来个IP封杀。上周我同事老张就因为没换IP，连续爬了某电商网站3小时，结果整个公司出口IP都被拉黑，现在开发部集体用手机热点办公。

这时候就得搬出代理IP这个救兵。好比玩吃鸡游戏开隐身挂，让目标网站以为每次请求都是不同用户在访问。这里必须安利下天启代理的服务，他家自建机房的IP池子够大，全国200多个城市的住宅IP随机切换，成功率比我之前用的某家高出一大截。

选代理IP要看哪些硬指标？

市面上的代理服务鱼龙混杂，教你们几个避坑诀窍：

指标	及格线	天启代理数据
IP可用率	≥95%	≥99%
响应延迟	≤50ms	≤10ms
协议支持	HTTP/HTTPS	HTTP/HTTPS/SOCKS5

重点看IP存活时间和地理位置覆盖。上次有个做本地生活服务的项目，需要特定城市的IP来获取区域限定的数据，天启代理的精准定位功能帮了大忙。

PHP实战：用代理IP绕过反爬验证

直接上干货，这是我调试了半个月的保命代码：

// 从天启代理API获取IP池
$ipPool = json_decode(file_get_contents('https://api.tianqidaili.com/get'), true);

// 随机挑选幸运IP
$proxy = $ipPool[array_rand($ipPool)];

$ch = curl_init();
curl_setopt($ch, CURLOPT_PROXY, $proxy['ip'].':'.$proxy['port']);
curl_setopt($ch, CURLOPT_PROXYUSERPWD, "用户名:密码"); // 天启代理的鉴权方式
curl_setopt($ch, CURLOPT_TIMEOUT, 15); // 超过1秒就换IP
curl_setopt($ch, CURLOPT_HEADER, true);

重点注意：记得在每次请求后强制销毁curl对象，不然PHP会保持连接导致IP被识别。我之前就栽在这个坑里，连续用了同一个IP 20多次。