以后再也不用擔(dān)心寫爬蟲ip被封，不用擔(dān)心沒錢買代理ip的煩惱了
在使用python寫爬蟲時(shí)候，你會(huì)遇到所要爬取的網(wǎng)站有反爬取技術(shù)比如用同一個(gè)IP反復(fù)爬取同一個(gè)網(wǎng)頁，很可能會(huì)被封。如何有效的解決這個(gè)問題呢？我們可以使用代理ip，來設(shè)置代理ip池。
現(xiàn)在教大家一個(gè)可獲取大量免費(fèi)有效快速的代理ip方法，我們訪問西刺免費(fèi)代理ip網(wǎng)址
這里面提供了許多代理ip，但是我們嘗試過后會(huì)發(fā)現(xiàn)并不是每一個(gè)都是有效的。所以我們現(xiàn)在所要做的就是從里面提供的篩選出有效快速穩(wěn)定的ip。
以下介紹的免費(fèi)獲取代理ip池的方法：
優(yōu)點(diǎn)：免費(fèi)、數(shù)量多、有效、速度快
缺點(diǎn)：需要定期篩選
主要思路：
從網(wǎng)址上爬取ip地址并存儲(chǔ)
驗(yàn)證ip是否能使用-（隨機(jī)訪問網(wǎng)址判斷響應(yīng)碼）
格式化ip地址
代碼如下：
1.導(dǎo)入包
import requests
from lxml import etree
import time
1
2
3
2.獲取西刺免費(fèi)代理ip網(wǎng)址上的代理ip
def get_all_proxy():
url = 'http://www.xicidaili.com/nn/1'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
}
response = requests.get(url, headers=headers)
html_ele = etree.HTML(response.text)
ip_eles = html_ele.xpath('//table[@id="ip_list"]/tr/td[2]/text()')
port_ele = html_ele.xpath('//table[@id="ip_list"]/tr/td[3]/text()')
proxy_list = []
for i in range(0,len(ip_eles)):
proxy_str = 'http://' + ip_eles[i] + ':' + port_ele[i]
proxy_list.append(proxy_str)
return proxy_list
1
2
3
4
5
6
7
8
9
10
11
12
13
14
3.驗(yàn)證獲取的ip
def check_all_proxy(proxy_list):
valid_proxy_list = []
for proxy in proxy_list:
url = 'http://www.baidu.com/'
proxy_dict = {
'http': proxy
}
try:
start_time = time.time()
response = requests.get(url, proxies=proxy_dict, timeout=5)
if response.status_code == 200:
end_time = time.time()
print('代理可用：' + proxy)
print('耗時(shí):' + str(end_time - start_time))
valid_proxy_list.append(proxy)
else:
print('代理超時(shí)')
except:
print('代理不可用--------------->'+proxy)
return valid_proxy_list
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
4.輸出獲取ip池
if __name__ == '__main__':
proxy_list = get_all_proxy()
valid_proxy_list = check_all_proxy(proxy_list)
print('--'*30)
print(valid_proxy_list)
1
2
3
4
5
技術(shù)能力有限歡迎提出意見，保證積極向上不斷學(xué)習(xí)
————————————————
版權(quán)聲明：本文為CSDN博主「彬小二」的原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/qq_39884947/article/details/86609930
標(biāo)簽：
python
ip
代理
防止
上傳時(shí)間：
2019-11-15
上傳用戶：fygwz1982
