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爬虫如何使用http代理IP?

发布时间:2019年05月17日 来源:互联网

  Python爬虫如何使用http代理IP?简单的说,代理就是换个身份。网络中的身份之一就是IP。比如,我们身在墙内,想要访问google、u2b、fb等,直接访问是404,所以要换个不会被墙的IP,比如国外的IP等。这个就是简单的代理。当然,突破防火墙是违法行为,请大家不要以身试法。


Python爬虫如何使用http代理IP?


  在爬虫中,有些网站可能为了防止爬虫或者DDOS等,会记录每个IP的访问次数,比如,有些网站允许一个IP在1s(或者别的)只能访问10次等,那么我们就需要访问一次换一个IP(具体什么策略,自己决定)。


  那么问题来了,这些代理从哪得到?对于公司来讲,买代理IP。但是对于个人的话,可能会有浪费。那么怎么办呢?网上有很多免费的代理IP网站,但是手动更改的话,很浪费时间,并且免费的IP有很多不可用。所以,我们可以用爬虫爬那么IP。用上一节的代码,完全可以做到。这里我们用http://www.xicidaili.com/nn/1测试,声明:仅学习交流,切勿用作商业用途等,当然,因为免费的代理可用率都很低,所以免费代理一般用于我们学习交流用,真正企业需要采集数据,建议购买付费的代理IP,比如黑洞HTTP,能够起到事半功倍的效果。


  2.获取代理IP,代码如下:


  #encoding=utf8


  import urllib2


  import BeautifulSoup


  User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'


  header = {}


  header['User-Agent'] = User_Agent


  url = 'http://www.xicidaili.com/nn/1'


  req = urllib2.Request(url,headers=header)


  res = urllib2.urlopen(req).read()


  soup = BeautifulSoup.BeautifulSoup(res)


  ips = soup.findAll('tr')


  f = open("../src/proxy","w")


  for x in range(1,len(ips)):


  ip = ips[x]


  tds = ip.findAll("td")


  ip_temp = tds[2].contents[0]+"\t"+tds[3].contents[0]+"\n"


  # print tds[2].contents[0]+"\t"+tds[3].contents[0]


  f.write(ip_temp)


  代码说明:


  a).这里我们使用的urllib2模块,因为,这个请求有点特殊,服务器会验证请求中的header(如有疑问,可参考http的相关资料)


  b).urllib2与urllib的区别在于,urllib2发送请求的时候可携带参数(我现在只用到这点区别)


  c).open()用于打开文件,第一个参数是文件的路径可以填绝对路径,例如E:\\proxy(”\”在编程中是特殊字符,要用”\\”代表实际的”\”)。也可以是相对路径,比    如”../src/proxy”,就是文件相对于代码的位置。第二个参数”w”,代表打开文件的权限,w代表写权限,r代表读权限。这个在很多系统中都通用。比如,linux等


  d).for循环,如果之前学过java或者其他高级语言,可能不太习惯,因为他们用的是for(;;)这样的。python中的for循环,in 表示X的取值,按顺序取到in后面的参数


  特别注意:别忘了for语句后面的冒号(”:”)


  c).range函数,代表生成一系列数,如果range(0,6,1),意思就是从0开始,到6结束(不包括6),每次增加1(也就是步长为1),生成一个数组,结果就是[0, 1, 2, 3, 4, 5]


  e).f.write()就是往文件里面写数据,如果打开文件的时候,没有”w”权限,则无法写入。


  页面截图:


  运行结果:


  3.并不是所有的代理都能用,原因有很多,可能是我们所处的网络连不到这个代理,也有可能是这个代理,连不到我们的目标网址,所以,我们要验证一下。以http://ip.chinaz.com/getip.aspx作为目标网址为例(这个是测试ip地址的网址)代码如下:


  复制代码


  #encoding=utf8


  import urllib


  import socket


  socket.setdefaulttimeout(3)


  f = open("../src/proxy")


  lines = f.readlines()


  proxys = []


  for i in range(0,len(lines)):


  ip = lines[i].strip("\n").split("\t")


  proxy_host = "http://"+ip[0]+":"+ip[1]


  proxy_temp = {"http":proxy_host}


  proxys.append(proxy_temp)


  url = "http://ip.chinaz.com/getip.aspx"


  for proxy in proxys:


  try:


  res = urllib.urlopen(url,proxies=proxy).read()


  print res


  except Exception,e:


  print proxy


  print e


  continue


  复制代码


  代码说明:


  a).ip = lines[i].strip(“\n”).split(“\t”) 这个是去掉每行末尾的换行符(也就是”\n”),然后以制表符(也就是”\t”)分割字符串为字符串数组


  b).proxy_temp = {“http”:proxy_host}其中http代表代理的类型,除了http之外还有https,socket等这里就以http为例


  c).urllib.urlopen(url,proxies=proxy) 其中proxies就是代理。以代理模式访问目标网址


  d).socket.setdefaulttimeout(3)设置全局超时时间为3s,也就是说,如果一个请求3s内还没有响应,就结束访问,并返回timeout(超时)


  运行结果如图:


  从结果看可用的并不是很多。但是也够个人用了。


  至此,IP代理的使用就结束了。


相关文章内容简介

1 Python爬虫如何使用http代理IP?

  Python爬虫如何使用http代理IP?简单的说,代理就是换个身份。网络中的身份之一就是IP。比如,我们身在墙内,想要访问google、u2b、fb等,直接访问是404,所以要换个不会被墙的IP,比如国外的IP等。这个就是简单的代理。当然,突破防火墙是违法行为,请大家不要以身试法。  在爬虫中,有些网站可能为了防止爬虫或者DDOS等,会记录每个IP的访问次数,比如,有些网站允许一个IP在1s(或者别的)只能访问10次等,那么我们就需要访问一次换一个IP(具体什么策略,自己决定)。  那么问题来了,这些代理从哪得到?对于公司来讲,买代理IP。但是对于个人的话,可能会有浪费。那么怎么办呢?网上有很多免费的代理IP网站,但是手动更改的话,很浪费时间,并且免费的IP有很多不可用。所以,我们可以用爬虫爬那么IP。用上一节的代码,完全可以做到。这里我们用http://www.xicidaili. [阅读全文]

热门标签

最新标签

推荐阅读

  1. 18

    2019-05

    IP代理是一款功能强大的软件

    网络中出现很多新功能的产品,而且与黑洞HTTP代理IP有关,这个就是黑洞HTTP代理IP,也是一款黑洞HTTP代理IP换IP软件。加入它会拥有干净又海量的IP,尤其对网络营销人员来说,让推广工作更加

  2. 18

    2019-04

    代理IP哪里去购买呢?哪家强?

    我在之前的文章中其实已经说过了,代理是批量中最为关键的一环。那么我们要如何选择代理呢?市面上有哪些代理比较好呢?

  3. 31

    2019-08

    ip代理软件有什么用?哪种好用?

    网路ip软件加速器是指一种新型的虚拟专用网路构建工具,它能够在Interent网路中建立一条虚拟的专用通道,让两个远距离的网络用户在这个专用的网络通道中相互传递资料而不被外界所干扰

  4. 02

    2019-10

    怎么设置代理IP来隐藏自己的IP

    在上网的时候,很多人都发现了,如果我们近期经常浏览某个产品,搜索引擎就会自动推荐类似的产品给你。其实就是我们在线活动可以通过各种网站,搜索引擎和社交网络可以跟踪。

  5. 20

    2019-09

    https代理ip与日常互联网应用的舞台

    互联网发展到今天,衍生出无数分支以及就业岗位,http代理ip便是其中新产物之一。有时候出于种种原因,我们浏览网站或者工作的时候尽量要不留下个人信息及ip地址,这时候代理ip服务就浮

  6. 29

    2019-09

    如何获取到最新可用的https代理ip?

    现如今,网络发展日新月异,https代理之间的竞争也越来越激烈。随意在搜索引擎查询,各式各样的代理IP网站可谓是五花八门。这其中最多的是免费代理IP资源,而实际测试过你会发现,免费代