ip代理池学习
代理的作用
网上有许多售卖代理的网站,也有免费的,不过其功效性会能影响。通过代理网站,我们可以向访问的目标访问器隐藏自己的真实ip
,避免ip
地址以访问频率过高等原因被封。
步骤
1.搜集一个免费的代理
2.通过urllib.request
的ProxyHandler
构造一个代理,以字典形式,键名是协议
proxy = '95.45.235.178:40056'
proxy_handler = ProxyHandler({
'http': 'http://'+proxy,
'https': 'https://'+proxy
})
3.通过urllib.request
的build_opener
构造一个请求方法
opener = build_opener(proxy_handler)
4.发起请求
from urllib.error import URLError
from urllib.request import ProxyHandler, build_opener
proxy = '95.45.235.178:40056'
# 如果代理需要登录,则可以这样写
# proxy = 'username:password@95.45.235.178:40056
proxy_handler = ProxyHandler({
'http': 'http://'+proxy,
'https': 'https://'+proxy
})
opener = build_opener(proxy_handler)
try:
response = opener.open('http://httpbin.org/get')
print(response.read().decode("utf-8"))
except URLError as e:
print(e.reason)
完整代码
from lxml import etree
from time import sleep
import requests
from requests.exceptions import ProxyError, ConnectTimeout, ReadTimeout
headers = {
'User-Agent': ('Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36'
' (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'),
}
# 0 1 2 .... 代表权重,9表示可用,0表示不可用
ip_poor = {
0: [], 1: []
}
# 爬取免费 ip
def crawl_ip():
ip_list = []
for page in range(1, 11):
response = requests.get("https://www.kuaidaili.com/free/inha/{}/".format(page))
response.encoding = 'utf-8'
html = etree.HTML(response.text)
ip = html.xpath('//*[@id="list"]/table/tbody/tr/td[1]/text()')
port = html.xpath('//*[@id="list"]/table/tbody/tr/td[2]/text()')
ip_list.append([i[0]+':'+i[1] for i in zip(ip, port)])
sleep(2)
return ip_list
# 测试 ip 的可用性
def test_ip(ip_addr):
proxies = {
'http': 'http://'+ip_addr,
'https': 'https://'+ip_addr,
}
try:
resp = requests.get('http://httpbin.org/get', proxies=proxies, headers=headers, timeout=5)
return True
except (ProxyError, ConnectTimeout, ReadTimeout):
return False
# 测试入口
def test():
# while True:
use = [ip for ip in ip_poor[1]]
for ip in use:
if test_ip(ip) is False:
ip_poor[0].append(ip)
ip_poor[1].pop(ip_poor[1].index(ip))
not_use = [ip for ip in ip_poor[0]]
for ip in not_use:
if test_ip(ip) is False:
ip_poor.pop(ip_poor[0].index(ip))
else:
ip_poor[1].append(ip)
ip_poor.pop(ip_poor[0].index(ip))
return ip_poor
def main():
ip_list = crawl_ip()
for item in ip_list:
for i in item:
ip_poor[1].append(i)
test()
if __name__ == '__main__':
main()
ip代理池学习的更多相关文章
- Scrapy学习-13-使用DownloaderMiddleware设置IP代理池及IP变换
设置IP代理池及IP变换方案 方案一: 使用国内免费的IP代理 http://www.xicidaili.com # 创建一个tools文件夹,新建一个py文件,用于获取代理IP和PORT from ...
- 爬取西刺ip代理池
好久没更新博客啦~,今天来更新一篇利用爬虫爬取西刺的代理池的小代码 先说下需求,我们都是用python写一段小代码去爬取自己所需要的信息,这是可取的,但是,有一些网站呢,对我们的网络爬虫做了一些限制, ...
- Python爬虫之ip代理池
可能在学习爬虫的时候,遇到很多的反爬的手段,封ip 就是其中之一. 对于封IP的网站.需要很多的代理IP,去买代理IP,对于初学者觉得没有必要,每个卖代理IP的网站有的提供了免费IP,可是又很少,写了 ...
- 5 使用ip代理池爬取糗事百科
从09年读本科开始学计算机以来,一直在迷茫中度过,很想学些东西,做些事情,却往往陷进一些技术细节而蹉跎时光.直到最近几个月,才明白程序员的意义并不是要搞清楚所有代码细节,而是要有更宏高的方向,要有更专 ...
- python爬虫实战(三)--------搜狗微信文章(IP代理池和用户代理池设定----scrapy)
在学习scrapy爬虫框架中,肯定会涉及到IP代理池和User-Agent池的设定,规避网站的反爬. 这两天在看一个关于搜狗微信文章爬取的视频,里面有讲到ip代理池和用户代理池,在此结合自身的所了解的 ...
- python爬虫18 | 就算你被封了也能继续爬,使用IP代理池伪装你的IP地址,让IP飘一会
我们上次说了伪装头部 ↓ python爬虫17 | 听说你又被封 ip 了,你要学会伪装好自己,这次说说伪装你的头部 让自己的 python 爬虫假装是浏览器 小帅b主要是想让你知道 在爬取网站的时候 ...
- 免费IP代理池定时维护,封装通用爬虫工具类每次随机更新IP代理池跟UserAgent池,并制作简易流量爬虫
前言 我们之前的爬虫都是模拟成浏览器后直接爬取,并没有动态设置IP代理以及UserAgent标识,本文记录免费IP代理池定时维护,封装通用爬虫工具类每次随机更新IP代理池跟UserAgent池,并制作 ...
- Scrapy加Redis加IP代理池实现音乐爬虫
音乐爬虫 关注公众号"轻松学编程"了解更多. 目的:爬取歌名,歌手,歌词,歌曲url. 一.创建爬虫项目 创建一个文件夹,进入文件夹,打开cmd窗口,输入: scrapy star ...
- 开源IP代理池续——整体重构
开源IP代理池 继上一篇开源项目IPProxys的使用之后,大家在github,我的公众号和博客上提出了很多建议.经过两周时间的努力,基本完成了开源IP代理池IPProxyPool的重构任务,业余时间 ...
随机推荐
- Python帮助函数调试函数 用于获取对象的属性及属性值
Python帮助函数调试函数 用于获取对象的属性及属性值 刚接触Python,上篇 <Python入门>第一个Python Web程序--简单的Web服务器 中调试非常不方便,不知道对象详 ...
- 怎样利用WordPress创建自己定义注冊表单插件
来源:http://www.ido321.com/1031.html 原文:Creating a Custom WordPress Registration Form Plugin 译文:创建一个定制 ...
- c# 删除程序占用的文件,强力删除文件,彻底删除文件,解除文件占用
c# 删除程序占用的文件.清理删除文件.彻底删除文件,解除文件占用 文件打开时,以共享读写模式打开 FileStream inputStream = new FileStream(name, File ...
- 【概念的辨异】—— ISO C 与 POSIX C(C standard library 与 C POSIX library)
ISO C 表示 C Standard Library,也就是 C 标准库. 二者的主要区别在于: POSIX 是 C 标准库的超集(也即是从内容上,C 标准库是 POSIX 库的一部分,POSIX ...
- 杂项:Web API
ylbtech-杂项:Web API 今天的web计算平台包含了广泛的功能,其中的大部分均可以通过API(应用程序编程接口)访问. 从简单的社会书签服务del.icio.us,到复杂得多的amazon ...
- CentOS7 内核参数优化
# allow testing with buffers up to 128MBnet.core.rmem_max = 134217728net.core.wmem_max = 134217728# ...
- js基本功能大全
1.javascript的数组API: //定义数组 var pageIds = new Array(); pageIds.push('A'); 数组长度 pageIds.length; //shif ...
- linux更换阿里云的源的shell脚本
#!/bin/bash##########################################Function: update source#Usage: bash update_sour ...
- Error creating bean with name " "问题
Spring MVC框架中使用@Autowired自动装配时出现 Error creating bean with name " "问题的解决方式在spring的xml配置文件be ...
- Windows<小白>详细笔记
Windows 7 部署 =========================================== ========================================== ...