python爬虫初学(二)——使用代理
来源:互联网 发布:php 字符串转换成html 编辑:程序博客网 时间:2024/06/05 14:12
什么是代理
网络代理,是一种特殊的网络服务,允许一个网络终端(一般为客户端)通过这个服务与另一个网络终端(一般为服务器)进行非直接的连接。一个完整的代理请求过程为:客户端首先与代理服务器创建连接,接着根据代理服务器所使用的代理协议,请求对目标服务器创建连接、或者获得目标服务器的指定资源(如:文件)
代理在哪些方面有应用
突破自身IP访问限制,访问国外站点(俗称“翻墙”)
隐藏真实IP:上网者也可以通过这种方法隐藏自己的IP,免受攻击。
爬虫设置代理的原因
一些网站会有相应的反爬虫措施,例如很多网站会检测某一段时间某个IP的访问次数,如果访问频率太快以至于看起来不像正常访客,它可能就会会禁止这个IP的访问。所以我们需要设置一些代理服务器。
代理服务器的ip和端口如何获得
国内有很多代理服务器信息网站,如http://www.xicidaili.com/nn/1有的博主写了一个爬虫爬取代理列表,并保存可用的代理,亲测可用,代码如下:
# encoding=utf8import urllib2from bs4 import BeautifulSoupimport urllibimport socketUser_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)
urllib2如何使用代理
如果你有足够多的代理,可以放在一个列表中,随机选择一个代理去访问网站。如下:
import urllib2import randomproxy_list = [ {"http" : "124.88.67.81:80"}, {"http" : "124.88.67.81:80"}, {"http" : "124.88.67.81:80"}, {"http" : "124.88.67.81:80"}, {"http" : "124.88.67.81:80"}]# 随机选择一个代理proxy = random.choice(proxy_list)# 使用选择的代理构建代理处理器对象httpproxy_handler = urllib2.ProxyHandler(proxy)opener = urllib2.build_opener(httpproxy_handler)request = urllib2.Request("http://www.baidu.com/")response = opener.open(request)print response.read()
阅读全文
0 0
- python爬虫初学(二)——使用代理
- Python 爬虫入门(二)—— IP代理使用
- python爬虫入门(二)——爬取代理IP
- Python爬虫之爬取——使用代理
- 【python爬虫】python使用代理爬虫例子
- 初学Python(二)——数组
- Python爬虫初学(1)
- python爬虫初学(3)
- Python爬虫初学(4)
- Scrapy爬虫(二)——自定义Item和代理访问的爬虫
- 网络爬虫—动态代理的使用
- python 爬虫(二)
- python爬虫(二)
- python爬虫(二)
- Python 爬虫(二)
- python爬虫之Scrapy 使用代理配置
- python爬虫之Scrapy 使用代理配置
- Python爬虫使用代理proxy抓取网页
- 机器学习-数学期望
- 第8周【项目1
- listview多条目
- test
- 关于ko的运行
- python爬虫初学(二)——使用代理
- git 常用指令总结——基于廖雪峰大神的Git教程
- Android Studio 3.0及中文输入法不显示的问题解决
- 用C语言实现优先级排序和MATLABsort函数的比较
- java 网络编程 基础socket
- fork: retry:资源暂时不可用
- Java 反射
- Http服务器--使用Http服务做转发
- 如何理解Python装饰器?