黑洞HTTP

黑洞HTTP

您的位置: 首页 > 新闻资讯 > HTTP代理 > 正文

Python爬虫通过ip代理抓取网页

发布时间:2019年04月04日 来源:http://http.hunbovps.com/News/getList/catid/8/id/257.html

如果大家在采集网站信息的时候,特别频繁的来访问,非常容易被目标网站检测到从而进行屏蔽,解决这类情况的一种有效的方法就是使用代理IP,当我们连上网络上网的时候,电脑会被分配一个IP,提供给我们使用,如果我们频繁访问一个网站时,这个网站也会因为发现同一个ip地址访问多次而进行屏蔽的,这个时候更换IP地址访问是最好的解决方式,多个ip地址进行随机地轮流访问,减少被该网站检测到的概率。假如我们再使用多个不同的headers请求头,这样就会有多个ip+主机的组合,浏览时被发现的机率又更加降低了。


Python爬虫通过ip代理抓取网页

关于代码中ip代理的使用,下面介绍一下:


步骤:


1、urllib2库中的ProxyHandler类,通过此类可以使用ip代理访问网页


proxy_support=urllib2.ProxyHandler({}),其中参数是一个字典{‘类型':'代理ip:端口号'}


2、定制、创建一个opener


opener=urllib2.build_opener(proxy_support)


3、(1)安装opener


          urlib2.install_opener(opener)


   (2)调用默认的opener


         opener.open(url)


针对没有反爬虫机制的网站,只要直接像上面引入ProxyHandler类进行处理,下面以访问csdn主页为例:


import urllib 


url="http://www.csdn.net/" 


for i in range(0,10000): 


    html=urllib.urlopen(url) 


    print html.info() 


    print i 


当使用上述代码时,当循环到20时,就会出现下面的错误


Traceback (most recent call last):

  File "C:/Users/lenovo/PycharmProjects/untitled1/jt2/__init__.py", line 19, in 

    html=urllib.urlopen(url)

  File "C:\Python27\lib\urllib.py", line 87, in urlopen

    return opener.open(url)

  File "C:\Python27\lib\urllib.py", line 213, in open

    return getattr(self, name)(url)

  File "C:\Python27\lib\urllib.py", line 350, in open_http

    h.endheaders(data)

  File "C:\Python27\lib\httplib.py", line 997, in endheaders

    self._send_output(message_body)

  File "C:\Python27\lib\httplib.py", line 850, in _send_output

    self.send(msg)

  File "C:\Python27\lib\httplib.py", line 812, in send

    self.connect()

  File "C:\Python27\lib\httplib.py", line 793, in connect

    self.timeout, self.source_address)

  File "C:\Python27\lib\socket.py", line 571, in create_connection

    raise err

IOError: [Errno socket error] [Errno 10060]


这是由于用的电脑的单一ip进行反复访问才被检测出来的。


下面是使用了ip代理的代码:


import urllib2 


import random 


def getHtml(url,proxies): 


    random_proxy = random.choice(proxies) 


    proxy_support = urllib2.ProxyHandler({"http":random_proxy}) 


    opener = urllib2.build_opener(proxy_support) 


    urllib2.install_opener(opener) 


    html=urllib2.urlopen(url) 


    return html 


url="http://www.csdn.net/" 


proxies=["101.53.101.172:9999","171.117.93.229:8118","119.251.60.37:21387","58.246.194.70:8080" 


        "115.173.218.224:9797","110.77.0.70:80"] 


for i in range(0,10000): 


    try: 


        html=getHtml(url,proxies) 


        print html.info()     #打印网页的头部信息,只是为了展示访问到了网页,可以自己修改成想显示的内容 


        print i 


    except: 


        print "出现故障" 


这段代码在测试1096次时被检测到了,要知道我的列表中仅有6个ip,倘若增加ip的个数,那么被发现的几率会不会更低。对于上面例子中的ip代理,或许过段时间就不可以使用了,这就要我们自己去搜新的IP代理来更换。还有程序中的异常处理是为了使程序可以处理ip代码访问时出现问题的情况,因为有些ip代理在访问的时候会出现故障的,这样做了可以使程序更加健壮。


#网上的ip不一定都能使用的,要多试试,或是选择黑洞http代理ip,更稳定安全 


myproxies=["220.189.249.80:80","124.248.32.43:80"] 


html = get_html(url,user_agents,myproxies) 


print html.read() 


相关文章内容简介

1 Python爬虫通过ip代理抓取网页

如果大家在采集网站信息的时候,特别频繁的来访问,非常容易被目标网站检测到从而进行屏蔽,解决这类情况的一种有效的方法就是使用代理IP,当我们连上网络上网的时候,电脑会被分配一个IP,提供给我们使用,如果我们频繁访问一个网站时,这个网站也会因为发现同一个ip地址访问多次而进行屏蔽的,这个时候更换IP地址访问是最好的解决方式,多个ip地址进行随机地轮流访问,减少被该网站检测到的概率。假如我们再使用多个不同的headers请求头,这样就会有多个ip+主机的组合,浏览时被发现的机率又更加降低了。关于代码中ip代理的使用,下面介绍一下:步骤:1、urllib2库中的ProxyHandler类,通过此类可以使用ip代理访问网页proxy_support=urllib2.ProxyHandler({}),其中参数是一个字典{‘类型':'代理ip:端口号'}2、定制、创建一个open [阅读全文]

热门标签

最新标签

推荐阅读

  1. 25

    2019-11

    Socks5代理IP上网和代理ip有何不同?

    Socks5代理IP与HTTP代理IP所支持的协议不一样,用法也不一样。很多人买了站大爷的Socks5代理IP也像使用HTTP代理IP一样使用,结果自己不能成功。那么,怎么使用Socks5代理IP上网呢?

  2. 26

    2019-11

    如何使用ip代理避免ip被封?

    使用ip代理可以避免ip地址被封锁,在谈论这个问题之前我们先说一下为什么我们的ip会被封锁,以至于上不了想去的目标网站、

  3. 06

    2019-08

    现代代理ip服务器用途

    如何设置代理服务器,怎么使用 IP 代理服务器上网呢,很多网友探讨这个问题,想必是因为工作原因吧,虽然正常上网一般用不到代理,但是看自己需求吧,今天说的代理上网不是网上说的翻

  4. 24

    2019-06

    socks5代理IP工具SocksCap的使用教程

     在上一篇文章《socks5代理IP工具Proxifier的使用教程》我们了解了怎么通过Proxifier工具来使用socks5代理IP,今天主要介绍另外一款功能非常强大的工具——SocksCap。

  5. 21

    2019-05

    爬虫大数据代理IP使用黑洞HTTP更可靠

    目前爬虫大和大数据采集、分析等领域,在很多时候都需要用到代理IP,以此达到切换IP的目的。切换IP有很多方法,不过目前越来越多的企业级用户选择使用黑洞HTTP,这是为什么呢?

  6. 31

    2019-05

    做爬虫选择哪家IP代理服务器软件?

    众所周知,没有IP代理服务器,爬虫工作就无从谈起,好的IP代理服务器资源可以让爬虫工作事半功倍,正所谓“工欲善其事必先利其器”,所以选择一个好的IP代理服务器资源至关重要。