IP代理软件,http代理,API提取-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. 27

    2019-06

    代理ip的功能是什么,都能用在什么项目?

    我们每次上网的时候都会使用一个ip,一般我们家庭或办公场所的ip都是有限的,但有些有些或者是账号的注册,都会对ip进行限制,所以很多人都会选择代理ip。

  2. 09

    2019-08

    用了代理IP发帖还会被封吗

    发帖对于推广人员来说都不陌生,是一种推广方式。无论是推广产品还是活动、服务器,都要在一些平台上发帖。一般平台为了保障环境,都会做出限制,每个用户的IP发帖量是有规定的。

  3. 19

    2019-03

    代理IP速度为什么会慢?

    代理IP是现代社会中很多人经常使用的上网方式,特别是对于一些专业的网络营销人员来说,代理IP资源是他们工作必不可少的工具之一。在选择使用代理IP时,除了IP稳定性和安全性以外,IP速

  4. 18

    2019-06

    ip代理怎么选择?

    首先我们要了解,ip代理的主要应用场景:

  5. 22

    2019-05

    高匿代理ip在销售中有什么作用?

    在电商流行起来之前,我们做生意首先浮现在脑海中的就是要拥有一个实体店铺,而店铺的选址必须要选在有固定客流量的地方。但是如今电商横行,虽然不能完全摒除实体店铺,但是也应紧

  6. 13

    2019-06

    代理IP要从哪儿获取呢?

    如果你百度,其实会有蛮多免费代理IP的网站,里面会有很多的代理IP,但是不要太开心,因为这里的代理IP大都不稳定甚至失效(不然为什么那么多都要钱呢),所以当你批量爬下来代理IP后