成都創(chuàng)新互聯(lián)網(wǎng)站設(shè)計(jì)，為客戶量身定制各類網(wǎng)站建設(shè)業(yè)務(wù)，包括企業(yè)型、電子商務(wù)型、響應(yīng)式網(wǎng)站開發(fā)、行業(yè)門戶型等各類網(wǎng)站，實(shí)戰(zhàn)經(jīng)驗(yàn)豐富，成功案例眾多。以客戶利益為出發(fā)點(diǎn)，成都創(chuàng)新互聯(lián)網(wǎng)站制作為客戶規(guī)劃、按需網(wǎng)站策劃符合企業(yè)需求、帶有營銷價值的網(wǎng)絡(luò)建站方案認(rèn)真對待每一個客戶，我們不用口頭的語言來吹擂我們的優(yōu)秀，上千的成功案例見證著我們的成長。
很多時候，如果要多線程的爬取網(wǎng)頁，或者是單純的反爬，我們需要通過代理 IP來進(jìn)行訪問。下面看看一個基本的實(shí)現(xiàn)方法。
代理
IP
附件.txt
的提取，網(wǎng)上有很多網(wǎng)站都提供這個服務(wù)?；旧峡煽啃院豌y子是成正比的。國內(nèi)提供的免費(fèi)IP基本上都是沒法用的，如果要可靠的代理只能付費(fèi)；國外稍微好些，有些免費(fèi)IP還是比較靠譜的。
網(wǎng)上隨便搜索了一下，找了個網(wǎng)頁，本來還想手動爬一些對應(yīng)的
IP，結(jié)果發(fā)現(xiàn)可以直接下載現(xiàn)成的txt文件
下載之后，試試看用不同的代理去爬百度首頁
#！/usr/bin/env python#! -*- coding:utf-8 -*-# Author: Yuan Liimport re,urllib.requestfp=open("c:\\temp\\thebigproxylist-17-12-20.txt",'r')lines=fp.readlines()for ip in lines: try: print("當(dāng)前代理IP "+ip) proxy=urllib.request.ProxyHandler({"http":ip}) opener=urllib.request.build_opener(proxy,urllib.request.HTTPHandler) urllib.request.install_opener(opener) url="http://www.baidu.com" data=urllib.request.urlopen(url).read().decode('utf-8','ignore') print("通過") print("-----------------------------") except Exception as err: print(err) print("-----------------------------")fp.close()
結(jié)果如下：
C:\Python36\python.exe C:/Users/yuan.li/Documents/GitHub/Python/Misc/爬蟲/proxy.py當(dāng)前代理IP 137.74.168.174:80通過-----------------------------當(dāng)前代理IP 103.28.161.68:8080通過-----------------------------當(dāng)前代理IP 91.151.106.127:53281HTTP Error 503: Service Unavailable-----------------------------當(dāng)前代理IP 177.136.252.7:3128
不過上面這種方式只適合比較穩(wěn)定的
IP源，如果IP不穩(wěn)定的話，可能很快對應(yīng)的文本就失效了，最好可以動態(tài)地去獲取最新的IP地址。很多網(wǎng)站都提供API可以實(shí)時地去查詢
還是用剛才的網(wǎng)站，這次我們用
API去調(diào)用，這里需要瀏覽器偽裝一下才能爬取
#！/usr/bin/env python#! -*- coding:utf-8 -*-# Author: Yuan Liimport re,urllib.requestheaders=("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.22 Safari/537.36 SE 2.X MetaSr 1.0")opener=urllib.request.build_opener()opener.addheaders=[headers]#安裝為全局urllib.request.install_opener(opener)data=urllib.request.urlopen("http://www.thebigproxylist.com/members/proxy-api.php?output=all&user=list&pass=8a544b2637e7a45d1536e34680e11adf").read().decode('utf8')ippool=data.split('\n')for ip in ippool: ip=ip.split(',')[0] try: print("當(dāng)前代理IP "+ip) proxy=urllib.request.ProxyHandler({"http":ip}) opener=urllib.request.build_opener(proxy,urllib.request.HTTPHandler) urllib.request.install_opener(opener) url="http://www.baidu.com" data=urllib.request.urlopen(url).read().decode('utf-8','ignore') print("通過") print("-----------------------------") except Exception as err: print(err) print("-----------------------------")fp.close()
結(jié)果如下：
C:\Python36\python.exe C:/Users/yuan.li/Documents/GitHub/Python/Misc/爬蟲/proxy.py當(dāng)前代理IP 213.233.57.134:80HTTP Error 403: Forbidden-----------------------------當(dāng)前代理IP 144.76.81.79:3128通過-----------------------------當(dāng)前代理IP 45.55.132.29:53281HTTP Error 503: Service Unavailable-----------------------------當(dāng)前代理IP 180.254.133.124:8080通過-----------------------------當(dāng)前代理IP 5.196.215.231:3128HTTP Error 503: Service Unavailable-----------------------------當(dāng)前代理IP 177.99.175.195:53281HTTP Error 503: Service Unavailable
因?yàn)橹苯?for循環(huán)來按順序讀取文本實(shí)在是太慢了，我試著改成多線程來讀取，這樣速度就快多了
#！/usr/bin/env python#! -*- coding:utf-8 -*-# Author: Yuan Liimport threadingimport queueimport re,urllib.request#Number of threadsn_thread = 10#Create queuequeue = queue.Queue()class ThreadClass(threading.Thread): def __init__(self, queue): threading.Thread.__init__(self)
super(ThreadClass, self).__init__() #Assign thread working with queue self.queue = queue def run(self): while True: #Get from queue job host = self.queue.get()
print (self.getName() + ":" + host) try: # print("當(dāng)前代理IP " + host) proxy = urllib.request.ProxyHandler({"http": host}) opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler) urllib.request.install_opener(opener) url = "http://www.baidu.com" data = urllib.request.urlopen(url).read().decode('utf-8', 'ignore') print("通過") print("-----------------------------")
except Exception as err: print(err)
print("-----------------------------") #signals to queue jo
重慶分公司
重慶分公司
