本文小編為大家詳細(xì)介紹“怎么用python爬蟲建立免費(fèi)ip代理池”，內(nèi)容詳細(xì)，步驟清晰，細(xì)節(jié)處理妥當(dāng)，希望這篇“怎么用python爬蟲建立免費(fèi)ip代理池”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識(shí)吧。

作為一家“創(chuàng)意+整合+營(yíng)銷”的成都網(wǎng)站建設(shè)機(jī)構(gòu)，我們?cè)跇I(yè)內(nèi)良好的客戶口碑。創(chuàng)新互聯(lián)公司提供從前期的網(wǎng)站品牌分析策劃、網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站、成都網(wǎng)站建設(shè)、創(chuàng)意表現(xiàn)、網(wǎng)頁制作、系統(tǒng)開發(fā)以及后續(xù)網(wǎng)站營(yíng)銷運(yùn)營(yíng)等一系列服務(wù)，幫助企業(yè)打造創(chuàng)新的互聯(lián)網(wǎng)品牌經(jīng)營(yíng)模式與有效的網(wǎng)絡(luò)營(yíng)銷方法,創(chuàng)造更大的價(jià)值。

本代碼包括ip的爬取，檢測(cè)是否可用，可用保存，通過函數(shù)get_proxies可以獲得ip，如：{‘HTTPS’: ‘106.12.7.54:8118’}

下面放上源代碼，并詳細(xì)注釋：

import requests

from lxml import etree

from requests.packages import urllib3

import random, time

urllib3.disable_warnings()

def spider(pages, max_change_porxies_times=300):

"""

抓取 XiciDaili.com 的 http類型-代理ip-和端口號(hào)

將所有抓取的ip存入 raw_ips.csv 待處理, 可用 check_proxies() 檢查爬取到的代理ip是否可用

-----

:param pages:要抓取多少頁

:return:無返回

"""

s = requests.session()

s.trust_env = False

s.verify = False

urls = 'https://www.xicidaili.com/nn/{}'

proxies = {}

try_times = 0

for i in range(pages):

url = urls.format(i + 1)

s.headers = {

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',

'Accept-Encoding': 'gzip, deflate, br',

'Accept-Language': 'zh-CN,zh;q=0.9',

'Connection': 'keep-alive',

'Referer': urls.format(i if i > 0 else ''),

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.75 Safari/537.36'}

while True:

content = s.get(url, headers=s.headers, proxies=proxies)

time.sleep(random.uniform(1.5, 4))  # 每讀取一次頁面暫停一會(huì),否則會(huì)被封

if content.status_code == 503:  # 如果503則ip被封,就更換ip

proxies = get_proxies()

try_times += 1

print(f'第{str(try_times):0>3s}次變更,當(dāng)前{proxies}')

if try_times > max_change_porxies_times:

print('超過最大嘗試次數(shù),連接失敗!')

return -1

continue

else:

break  # 如果返回碼是200 ,就跳出while循環(huán),對(duì)爬取的頁面進(jìn)行處理

print(f'正在抓取第{i+1}頁數(shù)據(jù),共{pages}頁')

for j in range(2, 102):  # 用簡(jiǎn)單的xpath提取http,host和port

tree = etree.HTML(content.text)

http = tree.xpath(f'//table[@id="ip_list"]/tr[{j}]/td[6]/text()')[0]

host = tree.xpath(f'//table[@id="ip_list"]/tr[{j}]/td[2]/text()')[0]

port = tree.xpath(f'//table[@id="ip_list"]/tr[{j}]/td[3]/text()')[0]

check_proxies(http, host, port)  # 檢查提取的代理ip是否可用

def check_proxies(http, host, port, test_url='http://www.baidu.com'):

"""

檢測(cè)給定的ip信息是否可用

根據(jù)http,host,port組成proxies,對(duì)test_url進(jìn)行連接測(cè)試,如果通過,則保存在 ips_pool.csv 中

:param http: 傳輸協(xié)議類型

:param host: 主機(jī)

:param port: 端口號(hào)

:param test_url: 測(cè)試ip

:return: None

"""

proxies = {http: host + ':' + port}

try:

res = requests.get(test_url, proxies=proxies, timeout=2)

if res.status_code == 200:

print(f'{proxies}檢測(cè)通過')

with open('ips_pool.csv', 'a+') as f:

f.write(','.join([http, host, port]) + '\n')

except Exception as e:  # 檢測(cè)不通過,就不保存,別讓報(bào)錯(cuò)打斷程序

print(e)

def check_local_ip(fn, test_url):

"""

檢查存放在本地ip池的代理ip是否可用

通過讀取fn內(nèi)容,加載每一條ip對(duì)test_url進(jìn)行連接測(cè)試,鏈接成功則儲(chǔ)存在 ips_pool.csv 文件中

:param fn: filename,儲(chǔ)存代理ip的文件名

:param test_url: 要進(jìn)行測(cè)試的ip

:return: None

"""

with open(fn, 'r') as f:

datas = f.readlines()

ip_pools = []

for data in datas:

# time.sleep(1)

ip_msg = data.strip().split(',')

http = ip_msg[0]

host = ip_msg[1]

port = ip_msg[2]

proxies = {http: host + ':' + port}

try:

res = requests.get(test_url, proxies=proxies, timeout=2)

if res.status_code == 200:

ip_pools.append(data)

print(f'{proxies}檢測(cè)通過')

with open('ips_pool.csv', 'a+') as f:

f.write(','.join([http, host, port]) + '\n')

except Exception as e:

print(e)

continue

def get_proxies(ip_pool_name='ips_pool.csv'):

"""

從ip池獲得一個(gè)隨機(jī)的代理ip

:param ip_pool_name: str,存放ip池的文件名,

:return: 返回一個(gè)proxies字典,形如:{'HTTPS': '106.12.7.54:8118'}

"""

with open(ip_pool_name, 'r') as f:

datas = f.readlines()

ran_num = random.choice(datas)

ip = ran_num.strip().split(',')

proxies = {ip[0]: ip[1] + ':' + ip[2]}

return proxies

if __name__ == '__main__':

t1 = time.time()

spider(pages=3400)

t2 = time.time()

print('抓取完畢,時(shí)間:', t2 - t1)

# check_local_ip('raw_ips.csv','http://www.baidu.com')

讀到這里，這篇“怎么用python爬蟲建立免費(fèi)ip代理池”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識(shí)點(diǎn)還需要大家自己動(dòng)手實(shí)踐使用過才能領(lǐng)會(huì)，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

文章名稱：怎么用python爬蟲建立免費(fèi)ip代理池
轉(zhuǎn)載來于：http://aaarwkj.com/article26/pjdicg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供外貿(mào)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)公司、ChatGPT、用戶體驗(yàn)、自適應(yīng)網(wǎng)站、面包屑導(dǎo)航

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)