八 web爬虫讲解2—urllib库爬虫—ip代理—用户代理和ip代理结合应用

使用IP代理

ProxyHandler()格式化IP，第一个参数，请求目标可能是http或者https,对应设置
build_opener()初始化IP
install_opener()将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import urllib

import urllib.request

import random   #引入随机模块文件

ip = "180.115.8.212:39109"

proxy = urllib.request.ProxyHandler({"https":ip})                        #格式化IP,注意：第一个参数可能是http或者https，对应设置

opener = urllib.request.build_opener(proxy,urllib.request.HTTPHandler)  #初始化IP

urllib.request.install_opener(opener)       #将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求

url = "https://www.baidu.com/"

data = urllib.request.urlopen(url).read().decode("utf-8")

print(data)

ip代理池构建一

适合IP存活时间长，稳定性好的代理ip，随机调用列表里的ip

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import urllib

from urllib import request

import random   #引入随机模块文件

def dai_li_ip():

    ip = [

        '110.73.8.103:8123',

        '115.46.151.100:8123',

        '42.233.187.147:19'

        ]

    shui = random.choice(ip)

    print(shui)

    proxy = urllib.request.ProxyHandler({"https": shui})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置

    opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP

    urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求

dai_li_ip() #执行代理IP函数

url = "https://www.baidu.com/"

data = urllib.request.urlopen(url).read().decode("utf-8")

print(data)

ip代理池构建二，接口方式

每次调用第三方接口动态获取ip,适用于IP存活时间短的情况

我们用http://http.zhimaruanjian.com/第三方接口测试

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import urllib

from urllib import request

import json

def dai_li_ip():

    url = "http://http-webapi.zhimaruanjian.com/getip?num=1&type=2&pro=&city=0&yys=0&port=11&time=1&ts=0&ys=0&cs=0&lb=1&sb=0&pb=4&mr=1"

    data = urllib.request.urlopen(url).read().decode("utf-8")

    data2 = json.loads(data)  # 将字符串还原它本来的数据类型

    print(data2['data'][0])

    ip = str(data2['data'][0]['ip'])

    dkou = str(data2['data'][0]['port'])

    zh_ip = ip + ':' + dkou

    print(zh_ip)

    proxy = urllib.request.ProxyHandler({"https": zh_ip})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置

    opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP

    urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求

dai_li_ip() #执行代理IP函数

url = "https://www.baidu.com/"

data = urllib.request.urlopen(url).read().decode("utf-8")

print(data)

用户代理和ip代理结合应用

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import urllib

from urllib import request

import json

import random

def yh_dl():    #创建用户代理池

    yhdl = [

        'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',

        'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0',

        'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',

        'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',

        'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',

        'Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11',

        'Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',

        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)',

        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)',

        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',

        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)',

        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)',

        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)',

        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',

        'Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',

        'User-Agent:Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',

        'Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',

        'Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1',

        'Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10',

        'Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13',

        'Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+',

        'Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)',

        'UCWEB7.0.2.37/28/999',

        'NOKIA5700/ UCWEB7.0.2.37/28/999',

        'Openwave/ UCWEB7.0.2.37/28/999',

        'Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999'

        ]

    thisua = random.choice(yhdl)                    #随机获取代理信息

    headers = ("User-Agent",thisua)                 #拼接报头信息

    opener = urllib.request.build_opener()          #创建请求对象

    opener.addheaders=[headers]                     #添加报头到请求对象

    urllib.request.install_opener(opener)           #将报头信息设置为全局，urlopen()方法请求时也会自动添加报头

def dai_li_ip():    #创建ip代理池

    url = "http://http-webapi.zhimaruanjian.com/getip?num=1&type=2&pro=&city=0&yys=0&port=11&time=1&ts=0&ys=0&cs=0&lb=1&sb=0&pb=4&mr=1"

    data = urllib.request.urlopen(url).read().decode("utf-8")

    data2 = json.loads(data)  # 将字符串还原它本来的数据类型

    print(data2['data'][0])

    ip = str(data2['data'][0]['ip'])

    dkou = str(data2['data'][0]['port'])

    zh_ip = ip + ':' + dkou

    print(zh_ip)

    proxy = urllib.request.ProxyHandler({"https": zh_ip})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置

    opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP

    urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求

dai_li_ip() #执行代理IP函数

yh_dl()     #执行用户代理池函数

gjci = '连衣裙'

zh_gjci = gjc = urllib.request.quote(gjci)         #将关键词转码成浏览器认识的字符，默认网站不能是中文

url = "https://s.taobao.com/search?q=%s&s=0" %(zh_gjci)

# print(url)

data = urllib.request.urlopen(url).read().decode("utf-8")

print(data)

用户代理和ip代理结合应用封装模块

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import urllib

from urllib import request

import json

import random

import re

import urllib.error

def hq_html(hq_url):

    """

    hq_html()封装的爬虫函数，自动启用了用户代理和ip代理

    接收一个参数url,要爬取页面的url，返回html源码

    """

    def yh_dl():    #创建用户代理池

        yhdl = [

            'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',

            'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0',

            'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',

            'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',

            'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',

            'Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11',

            'Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',

            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)',

            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)',

            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',

            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)',

            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)',

            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)',

            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',

            'Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',

            'User-Agent:Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',

            'Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',

            'Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1',

            'Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10',

            'Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13',

            'Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+',

            'Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)',

            'UCWEB7.0.2.37/28/999',

            'NOKIA5700/ UCWEB7.0.2.37/28/999',

            'Openwave/ UCWEB7.0.2.37/28/999',

            'Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999'

            ]

        thisua = random.choice(yhdl)                    #随机获取代理信息

        headers = ("User-Agent",thisua)                 #拼接报头信息

        opener = urllib.request.build_opener()          #创建请求对象

        opener.addheaders=[headers]                     #添加报头到请求对象

        urllib.request.install_opener(opener)           #将报头信息设置为全局，urlopen()方法请求时也会自动添加报头

    def dai_li_ip(hq_url):    #创建ip代理池

        url = "http://http-webapi.zhimaruanjian.com/getip?num=1&type=2&pro=&city=0&yys=0&port=11&time=1&ts=0&ys=0&cs=0&lb=1&sb=0&pb=4&mr=1"

        if url:

            data = urllib.request.urlopen(url).read().decode("utf-8")

            data2 = json.loads(data)  # 将字符串还原它本来的数据类型

            # print(data2['data'][0])

            ip = str(data2['data'][0]['ip'])

            dkou = str(data2['data'][0]['port'])

            zh_ip = ip + ':' + dkou

            pat = "(\w*):\w*"

            rst = re.compile(pat).findall(hq_url)  #正则匹配获取是http协议还是https协议

            rst2 = rst[0]

            proxy = urllib.request.ProxyHandler({rst2: zh_ip})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置

            opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP

            urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

        else:

            pass

    #请求

    try:

        dai_li_ip(hq_url) #执行代理IP函数

        yh_dl()     #执行用户代理池函数

        data = urllib.request.urlopen(hq_url).read().decode("utf-8")

        return data

    except urllib.error.URLError as e:  # 如果出现错误

        if hasattr(e, "code"):  # 如果有错误代码

            # print(e.code)  # 打印错误代码

            pass

        if hasattr(e, "reason"):  # 如果有错误信息

            # print(e.reason)  # 打印错误信息

            pass

# a = hq_html('http://www.baid.com/')

# print(a)

模块使用

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import urllib.request

import fzhpach

gjc = '广告录音'

gjc = urllib.request.quote(gjc)                 #将关键词转码成浏览器认识的字符，默认网站不能是中文

url = 'https://www.baidu.com/s?wd=%s&pn=0' %(gjc)

a = fzhpach.hq_html(url)

print(a)

八 web爬虫讲解2—urllib库爬虫—ip代理—用户代理和ip代理结合应用的更多相关文章

第三百三十节，web爬虫讲解2—urllib库爬虫—实战爬取搜狗微信公众号—抓包软件安装Fiddler4讲解
第三百三十节,web爬虫讲解2—urllib库爬虫—实战爬取搜狗微信公众号—抓包软件安装Fiddler4讲解封装模块 #!/usr/bin/env python # -*- coding: utf- ...
第三百二十九节，web爬虫讲解2—urllib库爬虫—ip代理—用户代理和ip代理结合应用
第三百二十九节,web爬虫讲解2—urllib库爬虫—ip代理使用IP代理 ProxyHandler()格式化IP,第一个参数,请求目标可能是http或者https,对应设置build_opener ...
第三百二十八节，web爬虫讲解2—urllib库爬虫—状态吗—异常处理—浏览器伪装技术、设置用户代理
第三百二十八节,web爬虫讲解2—urllib库爬虫—状态吗—异常处理—浏览器伪装技术.设置用户代理如果爬虫没有异常处理,那么爬行中一旦出现错误,程序将崩溃停止工作,有异常处理即使出现错误也能继续执 ...
第三百二十七节，web爬虫讲解2—urllib库爬虫—基础使用—超时设置—自动模拟http请求
第三百二十七节,web爬虫讲解2—urllib库爬虫利用python系统自带的urllib库写简单爬虫 urlopen()获取一个URL的html源码read()读出html源码内容decode(& ...
九 web爬虫讲解2—urllib库爬虫—实战爬取搜狗微信公众号—抓包软件安装Fiddler4讲解
封装模块 #!/usr/bin/env python # -*- coding: utf-8 -*- import urllib from urllib import request import j ...
六 web爬虫讲解2—urllib库爬虫—基础使用—超时设置—自动模拟http请求
利用python系统自带的urllib库写简单爬虫 urlopen()获取一个URL的html源码read()读出html源码内容decode("utf-8")将字节转化成字符串 ...
七 web爬虫讲解2—urllib库爬虫—状态吗—异常处理—浏览器伪装技术、设置用户代理
如果爬虫没有异常处理,那么爬行中一旦出现错误,程序将崩溃停止工作,有异常处理即使出现错误也能继续执行下去 1.常见状态吗 301:重定向到新的URL,永久性302:重定向到临时URL,非永久性304: ...
第三百三十六节，web爬虫讲解2—urllib库中使用xpath表达式—BeautifulSoup基础
第三百三十六节,web爬虫讲解2—urllib库中使用xpath表达式—BeautifulSoup基础在urllib中,我们一样可以使用xpath表达式进行信息提取,此时,你需要首先安装lxml模块 ...
十五 web爬虫讲解2—urllib库中使用xpath表达式—BeautifulSoup基础
在urllib中,我们一样可以使用xpath表达式进行信息提取,此时,你需要首先安装lxml模块,然后将网页数据通过lxml下的etree转化为treedata的形式 urllib库中使用xpath表 ...

随机推荐

python imageio 图片生成gif
#!/bin/python3 import matplotlib.pyplot as plt import imageio,os TIME_GAP=0.075 #两帧之间的时间间隔,秒为单位 FILE ...
洛谷 P2233 [HNOI]公交车线路
洛谷不知道大家做没做过传球游戏,这一题和传球游戏的转移方程几乎一样. 令\(A\)为\(1\)点,\(E\)为\(5\)点,那么\(f[i][j]\)代表第i步走到j的方案数. \[f[i][j]= ...
【我的Android进阶之旅】Android插件化开发学习资料
1.目前开源的插件开发框架大致有哪些? 1. 任玉刚的 dynamic-load-apk Github 地址:https://github.com/singwhatiwanna/dynamic-lo ...
数据库引擎、索引、pymysql
一.数据库存储引擎 1.存储引擎 mysql中建立的库===>文件夹库中建立的表===>文件现实生活中我们用来存储数据的文件应该有不同的类型:比如存文本用txt类型,存表格用excel ...
Tomcat Server
Tomcat Server的组成部分: 站在框架的顶层的是Server和ServiceServer:servletcontainer Service:Service是这样一个集合:它由一个或者多个Co ...
docker中制作自己的JDK+tomcat镜像
方式一首先,准备好想要的jdk和tomcat,另外,我们需要创建一个Dockerfile文件.下面展示一个Dockerfile文件的完整内容: FROM ubuntu:14.10 MAINTAINE ...
通信—HTTP 协议入门（转载）
HTTP是一个基于TCP/IP通信协议来传递数据(HTML 文件, 图片文件, 查询结果等). HTTP是一个属于应用层的面向对象的协议,由于其简捷.快速的方式,适用于分布式超媒体信息系统.它于199 ...
Nordic Blue Tooth
一 . nordic BLE4.0 1.开发nordic的应用需要安装支持keil的pack库和插件 2.nordic的SDK很完整,实例涵盖了几乎所有的应用 https://www.nordicse ...
alias指令别名和 sshpass命令简化ssh登陆
在之前的一篇博文中 ubuntu下关于profile和bashrc中环境变量的理解提到过可以编辑bashrc文件,vim ~/.bashrc,来编写自己的小指令,就是给长指令取个简单的别名.比如b ...
Apache 日志管理
日志参数 %% 百分号(Apache2.0.44或更高的版本) %a 远端IP地址 %A 本机IP地址 %B 除HTTP头以外传送的字节数 %b 以CLF格式显示的除HTTP头以外传送的字节数,也就是 ...

八 web爬虫讲解2—urllib库爬虫—ip代理—用户代理和ip代理结合应用

八 web爬虫讲解2—urllib库爬虫—ip代理—用户代理和ip代理结合应用的更多相关文章

随机推荐

热门专题