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
‘’’
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。
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文章来源：https://www.toymoban.com/news/detail-844941.html
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）
vert/6c361282296f86381401c05e862fe4e9.png)
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！
