爬虫Python用ip代理代码-神龙HTTP

帮助中心 > 新闻资讯 > 爬虫Python用ip代理代码-神龙HTTP

发布时间： 2022-08-22

标签：

你可能会觉得怎么爬虫那么复杂，经常IP就被网站封了，还得去找ip代理来使用才可以继续爬虫。这是由于网站对于自己服务器以及信息的一种保护。

Python爬虫要经历爬虫、爬虫被限制、爬虫反限制的过程。当然后续还要网页爬虫限制优化，爬虫再反限制的一系列道高一尺魔高一丈的过程。爬虫的初级阶段，添加headers和ip代理可以解决很多问题。

下面我们来看看Python抓取ip代理的具体代码操作：

运行环境：　　
Python 3.7, Pycharm 　　
这些需要大家直接去搭建好环境... 　
　
准备工作：　　
爬取IP地址的网站(国内高匿代理) 　
　
Python爬虫换IP的完整代码：PS:简单的使用bs4获取IP和端口号,没有啥难度,里面增加了一个过滤不可用IP的逻辑，以下关键地方都有注释了。　　
#!/usr/bin/env python3 　　
# -*- coding: utf-8 -*- 　　
# @Time : 2018/11/22 　　
# @Author : liangk 　　
# @Site : 　　
# @File : auto_archive_ios.py 　　
# @Software: PyCharm 　　
import requests 　　
from bs4 import BeautifulSoup 　　
import json 　　
class GetIp(object): 　　
"""抓取ip代理""" 　　
def __init__(self): 　　
"""初始化变量""" 　　
self.url = 'http://www.xicidaili.com/nn/' 　　
self.check_url = 'https://www.ip.cn/' 　　
self.ip_list = [] 　　
@staticmethod 　　
def get_html(url): 　　
"""请求html页面信息""" 　　
header = { 　　'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36' } 　　
try: 　　
request = requests.get(url=url, headers=header) 　　
request.encoding = 'utf-8' 　　
html = request.text 　　
return html 　　
except Exception as e: 　　
return '' 　　
def get_available_ip(self, ip_address, ip_port): 　　
"""检测IP地址是否可用""" 　　
header = { 　　'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36' } 　　
ip_url_next = '://' + ip_address + ':' + ip_port 　　
proxies = {'http': 'http' + ip_url_next, 'https': 'https' + ip_url_next} 　　
try: 　
r = requests.get(self.check_url, headers=header, proxies=proxies, timeout=3) 　　
html = r.text 　　
except: print('fail-%s' % ip_address) 　　
else: 　　
print('success-%s' % ip_address) 　　
soup = BeautifulSoup(html, 'lxml') 　　
div = soup.find(class_='well') 　　
if div: 　　
print(div.text) 　　
ip_info = {'address': ip_address, 'port': ip_port} 　　
self.ip_list.append(ip_info) 　　
def main(self): 　　
"""主方法""" 　　
web_html = self.get_html(self.url) 　　
soup = BeautifulSoup(web_html, 'lxml') 　　
ip_list = soup.find(id='ip_list').find_all('tr') 　　
for ip_info in ip_list: 　　
td_list = ip_info.find_all('td') 　　
if len(td_list) > 0: 　　
ip_address = td_list[1].text 　　
ip_port = td_list[2].text 　　
# 检测IP地址是否有效　　
self.get_available_ip(ip_address, ip_port) 　　
# 写入有效文件　　
with open('ip.txt', 'w') as file: 　　
json.dump(self.ip_list, file) 　　
print(self.ip_list) 　　
# 程序主入口　　
if __name__ == '__main__': 　　
get_ip = GetIp() 　　
get_ip.main() 　　
当然了，以上这些只是用ip代理爬虫的常规操作，爬虫大神可能已经对于这些已经见怪不怪了。