以后再也不用擔心寫爬蟲ip被封，不用擔心沒錢買代理ip的煩惱了
在使用python寫爬蟲時候，你會遇到所要爬取的網站有反爬取技術比如用同一個IP反復爬取同一個網頁，很可能會被封。如何有效的解決這個問題呢？我們可以使用代理ip，來設置代理ip池。
現在教大家一個可獲取大量免費有效快速的代理ip方法，我們訪問西刺免費代理ip網址
這里面提供了許多代理ip，但是我們嘗試過后會發現并不是每一個都是有效的。所以我們現在所要做的就是從里面提供的篩選出有效快速穩定的ip。
以下介紹的免費獲取代理ip池的方法：
優點：免費、數量多、有效、速度快
缺點：需要定期篩選
主要思路：
從網址上爬取ip地址并存儲
驗證ip是否能使用-（隨機訪問網址判斷響應碼）
格式化ip地址
代碼如下：
1.導入包
import requests
from lxml import etree
import time
1
2
3
2.獲取西刺免費代理ip網址上的代理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:' + str(end_time - start_time))
valid_proxy_list.append(proxy)
else:
print('代理超時')
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
技術能力有限歡迎提出意見，保證積極向上不斷學習
————————————————
版權聲明：本文為CSDN博主「彬小二」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉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
標簽：
python
ip
代理
防止
上傳時間：
2019-11-15
上傳用戶：fygwz1982
