为什么 JSoup 在我的代码中随机出现超时？

Question

我目前正在尝试使用 Java 中的 JSoup 为我正在从事的棒球编码项目抓取 retrosheets.org。

我在我的代码中执行了多个 JSoup 连接，其中一些连接是在一个循环中完成的（因此会执行很多次）。所以，总的来说，我在我的程序中建立了数百个连接来抓取必要的数据。

该程序运行约 5 秒，但随后被挂断（每次都不同）。然后，当我尝试在浏览器中单独访问该网站时，该网站将无法加载。这可能是什么原因造成的？执行太多连接是否有问题？

这是我正在执行的连接示例（所有连接都遵循相同的格式）。

doc = Jsoup.connect("https://www.retrosheet.org/boxesetc/index.html").maxBodySize(0).userAgent("Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.0.3 Safari/605.1.15").get();

这是我得到的错误

Answer 1

这绝对是目标网站端的负载保护 - 它检测到来自同一 IP 的太多请求并将其阻止一段时间或限制来自该 IP 的连接/请求的数量。这就是为什么您也无法在浏览器中打开网站的原因 - 这根本与 JSoup 或 Java 无关，而是关于从您的 IP 到目标网站的连接/请求被阻止/限制。