這篇文章給大家分享的是有關Python搭建代理IP池實現(xiàn)存儲IP的示例的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
存儲的方式有很多，直接一點的可以放在一個文本文件中，但操作起來不太靈活，而我選擇的是 MySQL 數(shù)據(jù)庫，因為數(shù)據(jù)庫便于管理而且功能強大，當然你還可以選擇其他數(shù)據(jù)庫，比如 MongoDB、Redis 等。
使用的庫：pymysql
定義規(guī)則
數(shù)據(jù)庫存儲的主要對象是各個 IP，首先需要保證不重復，另外還需要標 IP 的可用情況，而且需要動態(tài)實時處理每個 IP，因此還需要定義一個分數(shù)字段，分數(shù)是可以重復的，最好是整數(shù)類型，每個 IP 都有一個分數(shù)，表現(xiàn)其可用性
對于代理池來說，分數(shù)可以作為我們判斷一個代理可用不可用的標志，我們將設置一個最高分（滿分，值由自己設置），代表可用，0 設為最低分，代表不可用。從代理池中獲取代理的時候會先從滿分 IP 中隨機獲取一個，注意這里是隨機，這樣可以保證每個可用 IP 都會被調(diào)用到，如果沒有滿分的就從所有 IP 從隨機選一個
分數(shù)規(guī)則如下：
滿分為可用，檢測器會定時循環(huán)檢測每個 IP 的可用情況，一旦檢測到有可用的 IP 就立即置為滿分，檢測到不可用就將分數(shù)減 1，減至 0 后移除。
新獲取的代理添加時將分數(shù)置為 10，當測試可行立即置 100，不可行分數(shù)減 1，減至 0 后移除
添加設置
先在一個文件中定義一些配置信息，如數(shù)據(jù)庫的設置、一些不變量如滿分的數(shù)值等
setting.py
# 數(shù)據(jù)庫地址 HOST = '127.0.0.1' # MySql端口 MYSQL_PORT = 3306 # MySQl用戶名、密碼 MYSQL_USERNAME = '***' MYSQL_PASSWORD = '***' # 數(shù)據(jù)庫名 SQL_NAME = 'test' # 代理等級 MAX_SCORE = 30 MIN_SCORE = 0 INITIAL_SCORE = 10 # 代理池數(shù)量界限 POOL_UPPER_THRESHOLD = 1000
MAX_SCORE、MIN_SCORE、INITIAL_SCORE 分別代表大分數(shù)、最小分數(shù)、初始分數(shù)
定義方法
定義一個類來操作數(shù)據(jù)庫的有序集合，內(nèi)含一些方法來實現(xiàn)分數(shù)的設置、代理的獲取等
db.py
重慶分公司
重慶分公司
import pymysql
from error import PoolEmptyError
from setting import *
from random import choice
import re
class MySqlClient(object):
# 初始化
def __init__(self, host=HOST, port=MYSQL_PORT, username=MYSQL_USERNAME, password=MYSQL_PASSWORD, sqlname=SQL_NAME):
self.db = pymysql.connect(host=host, user=username, password=password, port=port, db=sqlname)
self.cursor = self.db.cursor()
# 添加代理IP
def add(self, ip, score=INITIAL_SCORE):
sql_add = "INSERT INTO PROXY (IP,SCORE) VALUES ('%s', %s)" % (ip, score)
if not re.match('\d+\.\d+\.\d+\.\d+\:\d+', ip):
print('代理不符合規(guī)范', ip, '丟棄')
return
if not self.exists(ip):
self.cursor.execute(sql_add)
self.db.commit()
# 減少代理分數(shù)
def decrease(self, ip):
sql_get = "SELECT * FROM PROXY WHERE IP='%s'" % (ip)
self.cursor.execute(sql_get)
score = self.cursor.fetchone()[1]
print(score)
if score and score > MIN_SCORE:
print('代理', ip, '當前分數(shù)', score, '減1')
sql_change = "UPDATE PROXY SET SCORE = %s WHERE IP = '%s'" % (score-1, ip)
else:
print('代理', ip, '當前分數(shù)', score, '移除')
sql_change = "DELETE FROM PROXY WHERE IP = %s" % (ip)
self.cursor.execute(sql_change)
self.db.commit()
# 分數(shù)大化
def max(self, ip):
print('代理', ip, '可用，設置為', MAX_SCORE)
sql_max = "UPDATE PROXY SET SCORE = %s WHERE IP = '%s'" % (MAX_SCORE, ip)
self.cursor.execute(sql_max)
self.db.commit()
# 隨機獲取有效代理
def random(self):
# 先從滿分中隨機選一個
sql_max = "SELECT * FROM PROXY WHERE SCORE=%s" % (MAX_SCORE)
if self.cursor.execute(sql_max):
results = self.cursor.fetchall()
return choice(results)[0]
# 沒有滿分則隨機選一個
else:
sql_all = "SELECT * FROM PROXY WHERE SCORE BETWEEN %s AND %s" % (MIN_SCORE, MAX_SCORE)
if self.cursor.execute(sql_all):
results = self.cursor.fetchall()
return choice(results)[0]
else:
raise PoolEmptyError
# 判斷是否存在
def exists(self, ip):
sql_exists = "SELECT 1 FROM PROXY WHERE IP='%s' limit 1" % ip
return self.cursor.execute(sql_exists)
# 獲取數(shù)量
def count(self):
sql_count = "SELECT * FROM PROXY"
return self.cursor.execute(sql_count)
# 獲取全部
def all(self):
self.count()
return self.cursor.fetchall()
# 批量獲取
def batch(self, start, stop):
sql_batch = "SELECT * FROM PROXY LIMIT %s, %s" % (start, stop - start)
self.cursor.execute(sql_batch)
return self.cursor.fetchall()方法作用：
init()：初始化的方法，參數(shù)是 MySQL 的連接信息，默認的連接信息已經(jīng)定義為常量，在 init() 方法中初始化建立 MySQL 連接。這樣當 MySqlClient 類初始化的時候就建立了 MySQL 的連接
add()：向數(shù)據(jù)庫添加代理并設置分數(shù)，默認的分數(shù)是 INITIAL_SCORE 也就是 10，返回結(jié)果是添加的結(jié)果
decrease()：在 檢測無效的時候設置分數(shù)減 1 的方法，傳入代理，然后將此代理的分數(shù)減 1，如果達到最低值就刪除
max()：將代理的分數(shù)設置為 MAX_SCORE，也就是當 IP 有效時的設置
random()：隨機獲取 IP 的方法，首先獲取滿分的 IP，然后隨機選擇一個返回，如果不存在滿分的 IP，則隨機選擇一個返回，否則拋出異常
exists()：判斷 IP 是否存在于數(shù)據(jù)庫中
count()：返回當前 IP個數(shù)
all()：返回所有的 IP，供檢測使用
batch()：返回數(shù)據(jù)庫中從第 start 行開始（從0開始數(shù)）的共 stop-start 行數(shù)據(jù)
抓取保存
當數(shù)據(jù)庫設置好了之后，就可以直接把抓取的 IP 直接放在數(shù)據(jù)庫中了
直接把前面用到的抓取代碼更改一下就行了
getter.py
from crawler import Crawler
from db import MySqlClient
from setting import *
import sys
class Getter():
def __init__(self):
self.mysql = MySqlClient()
self.crawler = Crawler()
# 判斷數(shù)量是否足夠
def is_over_threshold(self):
if self.mysql.count() >= POOL_UPPER_THRESHOLD:
return True
else:
return False
def run(self):
print('獲取器開始執(zhí)行')
if not self.is_over_threshold():
for callback_label in range(self.crawler.__CrawlFuncCount__):
callback = self.crawler.__CrawlFunc__[callback_label]
# 獲取代理
all_ip = self.crawler.get_proxies(callback)
sys.stdout.flush()
for ip in all_ip:
self.mysql.add(ip)
if __name__ == '__main__':
get = Getter()
get.run()結(jié)果：
感謝各位的閱讀！關于“Python搭建代理IP池實現(xiàn)存儲IP的示例”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
另外有需要云服務器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。
