Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答

这篇具有很好参考价值的文章主要介绍了Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

从西刺代理上面爬取IP,迭代测试能否使用,建立一个自己的代理IP池,随时更新用来抓取网站数据

Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip

‘’’

遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939

寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!

‘’’

import requests

from lxml import etree

import time

import random

from fake_useragent import UserAgent

class GetProxyIP(object):

def init(self):

self.url = ‘https://www.xicidaili.com/nn/’

self.proxies = {

‘http’: ‘http://163.204.247.219:9999’,

‘https’: ‘http://163.204.247.219:9999’}

随机生成User-Agent

def get_random_ua(self):

ua = UserAgent() # 创建User-Agent对象

useragent = ua.random

return useragent

从西刺代理网站上获取随机的代理IP

def get_ip_file(self, url):

headers = {‘User-Agent’: self.get_random_ua()}

html = requests.get(url=url, proxies=self.proxies, headers=headers, timeout=5).content.decode(‘utf-8’, ‘ignore’)

parse_html = etree.HTML(html)

tr_list = parse_html.xpath(‘//tr’) # 基准xpath,匹配每个代理IP的节点对象列表

for tr in tr_list[1:]:

ip = tr.xpath(‘./td[2]/text()’)[0]

port = tr.xpath(‘./td[3]/text()’)[0]

self.test_proxy_ip(ip, port) # 测试ip:port是否可用

测试抓取的代理IP是否可用

def test_proxy_ip(self, ip, port):

proxies = {

‘http’: ‘http://{}:{}’.format(ip, port),

‘https’: ‘https://{}:{}’.format(ip, port), }

test_url = ‘http://www.baidu.com/’

try:

res = requests.get(url=test_url, proxies=proxies, timeout=8)

if res.status_code == 200:

print(ip, “:”, port, ‘Success’)

with open(‘proxies.txt’, ‘a’) as f:

f.write(ip + ‘:’ + port + ‘\n’)

except Exception as e:

print(ip, port, ‘Failed’)

def main(self):

for i in range(1, 1001):

url = self.url.format(i)

self.get_ip_file(url)

time.sleep(random.randint(5, 10))

if name == ‘main’:

spider = GetProxyIP()

spider.main()

从IP池中取IP,也就是在爬虫程序中从文件随机获取代理IP

import random

import requests

class BaiduSpider(object):

def init(self):

self.url = ‘http://www.baidu.com/’

self.headers = {‘User-Agent’: ‘Mozilla/5.0’}

self.flag = 1

def get_proxies(self):

with open(‘proxies.txt’, ‘r’) as f:

result = f.readlines() # 读取所有行并返回列表

proxy_ip = random.choice(result)[:-1] # 获取了所有代理IP

L = proxy_ip.split(‘:’)

proxy_ip = {

‘http’: ‘http://{}:{}’.format(L[0], L[1]),

‘https’: ‘https://{}:{}’.format(L[0], L[1])

}

return proxy_ip

def get_html(self):

proxies = self.get_proxies()

if self.flag <= 3:

try:

html = requests.get(url=self.url, proxies=proxies, headers=self.headers, timeout=5).text

print(html)

except Exception as e:

print(‘Retry’)

self.flag += 1

self.get_html()

if name == ‘main’:

spider = BaiduSpider()

spider.get_html()

2.收费代理API

写一个获取收费开放API代理的接口

‘’’

遇到问题没人解答?小编创建了一个Python学习交流QQ群:778463939

寻找有志同道合的小伙伴,互帮互助,群里还有不错的视频学习教程和PDF电子书!

‘’’

import requests

from fake_useragent import UserAgent

ua = UserAgent() # 创建User-Agent对象

useragent = ua.random

headers = {‘User-Agent’: useragent}

def ip_test(ip):

url = ‘http://www.baidu.com/’

ip_port = ip.split(‘:’)

proxies = {

‘http’: ‘http://{}:{}’.format(ip_port[0], ip_port[1]),

‘https’: ‘https://{}:{}’.format(ip_port[0], ip_port[1]),

}

res = requests.get(url=url, headers=headers, proxies=proxies, timeout=5)

if res.status_code == 200:

return True

else:

return False

提取代理IP

def get_ip_list():

快代理:https://www.kuaidaili.com/doc/product/dps/

api_url = ‘http://dev.kdlapi.com/api/getproxy/?orderid=946562662041898&num=100&protocol=1&method=2&an_an=1&an_ha=1&sep=2’

html = requests.get(api_url).content.decode(‘utf-8’, ‘ignore’)

ip_port_list = html.split(‘\n’)

for ip in ip_port_list:

with open(‘proxy_ip.txt’, ‘a’) as f:

if ip_test(ip):

f.write(ip + ‘\n’)

if name == ‘main’:

get_ip_list()

3.私密代理

1、语法结构

用户名和密码会在给API_URL的时候给。不是自己的账号和账号密码。

proxies = {

‘协议’:‘协议://用户名:密码@IP:端口号’

}

proxies = {

‘http’:‘http://用户名:密码@IP:端口号’,

‘https’:‘https://用户名:密码@IP:端口号’

}

proxies = {

‘http’: ‘http://309435365:szayclhp@106.75.71.140:16816’,

‘https’:‘https://309435365:szayclhp@106.75.71.140:16816’,

}

获取开放代理的接口

自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!

因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip

vert/6c361282296f86381401c05e862fe4e9.png)
Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答,2024年程序员学习,python,爬虫,tcp/ip

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新

如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
[外链图片转存中…(img-XH1enSzg-1711954560501)]文章来源地址https://www.toymoban.com/news/detail-844941.html

到了这里,关于Python爬虫 教程:IP池的使用(2),Jetpack-MVVM-高频提问和解答的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 浅谈下mvc和mvp、mvvm到mvvm+Jetpack

    作者:抓不住老鼠的猫 MVC MVC全名为Model-View-Controller,图解如下 View:负责与用户交汇,显示界面。 Controller:负责接收来自view的请求,处理业务逻辑。 Model:负责数据逻辑,网络请求数据以及本地数据库操作数据等。 在MVC架构中,Controller是业务的主要承载者,几乎所有的业

    2024年02月16日
    浏览(43)
  • 【Python】爬虫代理IP的使用+建立代理IP池

    目录 前言 一、代理IP 1. 代理IP的获取 2. 代理IP的验证 3. 代理IP的使用 二、建立代理IP池 1. 代理IP池的建立 2. 动态维护代理IP池 三、完整代码 总结 前言 在进行网络爬虫开发时,我们很容易遭遇反爬虫机制的阻碍。为了规避反爬虫机制,我们可以使用代理IP。代理IP是指通过代

    2024年02月22日
    浏览(49)
  • python爬虫selenium页面滑动案例,作为一个Python程序员你还不会JetPack

    def up_page(self): time.sleep(1) self.driver.find_element(By.XPATH,‘//*[text()=“下一页”]’).click() def save_page(self, n=1): time.sleep(2) with open(f’第{n}页.html’, ‘w’, encoding=‘utf-8’) as f: f.write(self.driver.page_source) def run(self): try: self.save_page() # 第一页 for n in range(2, 6): # 第二三四五页 self.scroll() s

    2024年04月22日
    浏览(50)
  • Python 爬虫使用代理 IP 的正确方法

    代理 IP 是爬虫中非常常用的方法,可以避免因为频繁请求而被封禁。下面是 Python 爬虫使用代理 IP 的正确方法: 1. 选择可靠的代理 IP 供应商,购买或者免费使用代理 IP 列表。 2. 在爬虫中使用第三方库 requests ,并在 requests.get() 或 requests.post() 请求时添加代理 IP 参数,例如:

    2024年02月11日
    浏览(111)
  • 代理ip的使用方法——Python爬虫

    本文内容:代理ip使用原理,如何在自己的爬虫里设置代理ip,如何知道代理ip有没有生效,没生效的话是哪里出了问题,个人使用的代理ip(付费)。 目录 代理ip原理       输入网址后发生了什么呢?       代理ip做了什么呢?       为什么要用代理呢?  爬虫代码中使用代

    2024年02月05日
    浏览(56)
  • Python 网页爬虫原理及代理 IP 使用

    目录 前言 一、Python 网页爬虫原理 二、Python 网页爬虫案例 步骤1:分析网页 步骤2:提取数据 步骤3:存储数据 三、使用代理 IP 四、总结 前言 随着互联网的发展,网络上的信息量变得越来越庞大。对于数据分析人员和研究人员来说,获取这些数据是一项重要的任务。Python

    2024年02月09日
    浏览(55)
  • Python中使用隧道爬虫ip提升数据爬取效率

    作为专业爬虫程序员,我们经常面临需要爬取大量数据的任务。然而,有些网站可能会对频繁的请求进行限制,这就需要我们使用隧道爬虫ip来绕过这些限制,提高数据爬取效率。本文将分享如何在Python中使用隧道爬虫ip实现API请求与响应的技巧。并进行详细的解析和实际代码

    2024年02月12日
    浏览(46)
  • 使用Python实现爬虫IP负载均衡和高可用集群

    做大型爬虫项目经常遇到请求频率过高的问题,这里需要说的是使用爬虫IP可以提高抓取效率,那么我们通过什么方法才能实现爬虫IP负载均衡和高可用集群,并且能快速的部署并且完成爬虫项目。 通常在Python中实现爬虫ip负载均衡和高可用集群需要一些高级的网络和编程知识

    2024年02月04日
    浏览(54)
  • Android开发中的前五个代码异味:Jetpack Compose UI和MVVM

    代码异味是指软件代码中潜在问题的指标,可能并不一定是错误,但可能会导致问题,如增加维护复杂性、降低性能或降低可读性。我们将探讨Android开发中的前五个代码异味,其中包括使用Jetpack Compose UI和Model-View-ViewModel(MVVM)架构的示例。 上帝对象或上帝类是指试图做太

    2024年02月02日
    浏览(40)
  • Python网络爬虫使用教程

    (1)介绍:urllib 模块是 Python 标准库,用于抓取网络上的 URL 资源。 注:现在用的更多的是第三方库requests,requests 模块比 urllib 模块更简洁。 (2)模块: urllib.request:请求模块,用于打开和读取 URL; urllib.error:异常处理模块,捕获 urllib.error 抛出异常; urllib.parse:URL 解析,爬

    2024年02月08日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包