引言在网络爬虫开发中，合理控制请求延迟（Request Delay）是避免被封禁、提高爬取效率的关键。固定延迟（如 time.sleep(1)）虽然简单，但在面对不同网站的反爬策略时可能不够灵活。动态调整请求延迟能够更智能地适应目标网站的变化，提高爬虫的稳定性和效率。
本文将介绍如何动态调整Python爬虫的请求延迟，包括：
固定延迟 vs. 动态延迟的优劣基于响应状态码的动态延迟调整基于请求频率的动态延迟调整结合代理IP和用户代理（User-Agent）优化延迟1. 固定延迟 vs. 动态延迟1.1 固定延迟固定延迟是最简单的控制方式，例如：
代码语言：txt复制import time
import requests
for url in urls:
response = requests.get(url)
time.sleep(1) # 固定延迟1秒
优点：实现简单，适用于低频率爬取。
缺点：
如果目标网站允许更快的请求，固定延迟会降低爬取效率。如果目标网站检测到固定间隔请求，可能触发反爬机制。1.2 动态延迟动态延迟根据网站响应、请求频率等因素调整等待时间，例如：
如果服务器返回 429 Too Many Requests，则增加延迟。如果连续多次请求成功，则适当降低延迟。随机化延迟，模拟人类操作。2. 基于响应状态码的动态延迟如果服务器返回 429 或 503，说明请求频率过高，此时应增加延迟；如果正常返回 200，则可以适当降低延迟。
实现代码代码语言：txt复制import time
import requests
import random
class DynamicDelayCrawler:
def __init__(self, base_delay=1, max_delay=5):
self.base_delay = base_delay # 基础延迟
self.max_delay = max_delay # 最大延迟
self.current_delay = base_delay
def adjust_delay(self, status_code):
if status_code == 429: # 请求过多，增加延迟
self.current_delay = min(self.current_delay * 2, self.max_delay)
elif status_code == 200: # 请求成功，尝试降低延迟
self.current_delay = max(self.current_delay * 0.9, self.base_delay)
def crawl(self, url):
try:
response = requests.get(url)
self.adjust_delay(response.status_code)
print(f"URL: {url}, Status: {response.status_code}, Delay: {self.current_delay:.2f}s")
time.sleep(self.current_delay)
return response.text
except Exception as e:
print(f"Error fetching {url}: {e}")
time.sleep(self.current_delay * 2) # 出错时增加延迟
return None
# 测试
crawler = DynamicDelayCrawler(base_delay=1, max_delay=10)
urls = ["https://example.com/page1", "https://example.com/page2", "https://example.com/page3"]
for url in urls:
crawler.crawl(url)
3. 基于请求频率的动态延迟某些网站可能没有明确的 429 响应，但会通过其他方式限制爬虫（如封IP）。我们可以统计单位时间内的请求次数，动态调整延迟。
实现代码代码语言：txt复制import time
import requests
from collections import deque
class RequestRateLimiter:
def __init__(self, max_requests=10, time_window=10):
self.max_requests = max_requests # 时间窗口内允许的最大请求数
self.time_window = time_window # 时间窗口（秒）
self.request_times = deque() # 存储请求时间戳
def wait_if_needed(self):
now = time.time()
# 移除超出时间窗口的请求记录
while self.request_times and now - self.request_times[0] > self.time_window:
self.request_times.popleft()
if len(self.request_times) >= self.max_requests:
# 计算需要等待的时间
wait_time = self.time_window - (now - self.request_times[0])
print(f"Rate limit reached, waiting {wait_time:.2f}s")
time.sleep(wait_time)
self.request_times.append(now)
# 测试
limiter = RequestRateLimiter(max_requests=5, time_window=5) # 5秒内最多5次请求
urls = [f"https://example.com/page{i}" for i in range(10)]
for url in urls:
limiter.wait_if_needed()
response = requests.get(url)
print(f"Fetched {url}, Status: {response.status_code}")
4. 结合代理IP和随机User-Agent优化动态调整延迟的同时，使用代理IP和随机User-Agent可以进一步降低被封禁的风险。
实现代码代码语言：txt复制import random
import time
import requests
from fake_useragent import UserAgent
class AdvancedCrawler:
def __init__(self, base_delay=1, max_delay=10):
self.base_delay = base_delay
self.max_delay = max_delay
self.current_delay = base_delay
self.ua = UserAgent()
# 添加指定的代理信息
self.proxyHost = "www.16yun.cn"
self.proxyPort = "5445"
self.proxyUser = "16QMSOML"
self.proxyPass = "280651"
self.proxies = [
f"http://{self.proxyUser}:{self.proxyPass}@{self.proxyHost}:{self.proxyPort}",
# 如果需要保留原有代理，可以将它们也加入到列表中
# "
# "
]
def get_random_proxy(self):
return random.choice(self.proxies) if self.proxies else None
def adjust_delay(self, status_code):
if status_code == 429:
self.current_delay = min(self.current_delay * 2, self.max_delay)
elif status_code == 200:
self.current_delay = max(self.current_delay * 0.9, self.base_delay)
def crawl(self, url):
headers = {"User-Agent": self.ua.random}
proxy = self.get_random_proxy()
try:
response = requests.get(
url,
headers=headers,
proxies={"http": proxy, "https": proxy} if proxy else None,
timeout=10
)
self.adjust_delay(response.status_code)
print(f"URL: {url}, Status: {response.status_code}, Delay: {self.current_delay:.2f}s")
time.sleep(self.current_delay + random.uniform(0, 0.5)) # 增加随机抖动
return response.text
except Exception as e:
print(f"Error fetching {url}: {e}")
time.sleep(self.current_delay * 2)
return None
# 测试
crawler = AdvancedCrawler(base_delay=1, max_delay=10)
urls = [f"https://example.com/page{i}" for i in range(5)]
for url in urls:
crawler.crawl(url)
5.总结
动态调整Python爬虫的Request请求延迟是一种有效的优化策略，可以提高爬虫的稳定性和效率。通过基于响应时间、服务器负载和反爬机制的动态调整策略，爬虫可以在复杂的网络环境中灵活运行，同时降低被封禁的风险。本文提供的代码示例展示了如何实现动态调整请求延迟，开发者可以根据实际需求进行进一步优化和扩展。