利用Python爬取可用的代理IP

我们平时在用Python爬虫时，有时会要用到IP代理，有时因为IP被封禁导致需要更换IP进行爬取。

网上有很多的免费代理IP网站,但不是所有的ip都能用，所以这篇文章教大家如何爬取可用的代理IP。

一个免费代理IP网站为例：http://www.xicidaili.com/nn/。但在使用的时候发现很多IP都用不了。

所以用Python写了个脚本，该脚本可以把能用的代理IP检测出来。

#encoding = utf8import urllib2from bs4 import BeautifulSoupimport urllibimport socket  User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'header = {}header['User-Agent'] = User_Agent  '''获取所有代理IP地址'''def getProxyIp(): proxy = [] for i in range(1,2):  try:   url = 'http://www.xicidaili.com/nn/'+str(i)   req = urllib2.Request(url,headers=header)   res = urllib2.urlopen(req).read()   soup = BeautifulSoup(res)   ips = soup.findAll('tr')   for x in range(1,len(ips)):    ip = ips[x]    tds = ip.findAll("td")    ip_temp = tds[1].contents[0]+"\t"+tds[2].contents[0]    proxy.append(ip_temp)  except:   continue return proxy   '''验证获得的代理IP地址是否可用'''def validateIp(proxy): url = "http://ip.chinaz.com/getip.aspx" f = open("E:\ip.txt","w") socket.setdefaulttimeout(3) for i in range(0,len(proxy)):  try:   ip = proxy[i].strip().split("\t")   proxy_host = "http://"+ip[0]+":"+ip[1]   proxy_temp = {"http":proxy_host}   res = urllib.urlopen(url,proxies=proxy_temp).read()   f.write(proxy[i]+'\n')   print proxy[i]  except Exception,e:   continue f.close()       if __name__ == '__main__': proxy = getProxyIp() validateIp(proxy)

运行成功后，打开E盘下的文件，可以看到如下可用的代理IP地址和端口：

这只是爬取的第一页的IP地址，如有需要，可以多爬取几页。同时，该网站是时时更新的，建议爬取时只爬取前几页的即可。以上就是本文的全部内容，希望对大家学习使用Python能有所帮助。