Python爬虫使用代理IP的实现

  使用爬虫时,如果目标网站对访问的速度或次数要求较高,那么你的 IP 就很容易被封掉,也就意味着在一段时间内无法再进行下一步的工作。这时候代理 IP 能够给我们带来很大的便利,不管网站怎么封,只要能找到一个新的代理 IP 就可以继续进行下一步的研究。

  目前很多网站都提供了一些免费的代理 IP 供我们使用,当然付费的会更好用一点。本文除了展示怎样使用代理 IP,也正好体验一下前面文章中搭建的代理 IP 池,不知道的可以点击这里:Python搭建代理IP池(一)- 获取 IP。只要访问代理池提供的接口就可以获取到代理 IP 了,接下来就看怎样使用吧!

  测试的网址是:http://httpbin.org/get,访问该站点可以得到请求的一些相关信息,其中 origin 字段就是客户端的 IP,根据它来判断代理是否设置成功,也就是是否成功伪装了IP

  获取 IP

  代理池使用 Flask 提供了获取的接口:http://localhost:5555/random

  只要访问这个接口再返回内容就可以拿到 IP 了

  Urllib

  先看一下 Urllib 的代理设置方法:

  from urllib.error import URLError

  import urllib.request

  from urllib.request import ProxyHandler, build_opener

  # 获取IP

  ip_response = urllib.request.urlopen("http://localhost:5555/random")

  ip = ip_response.read().decode('utf-8')

  proxy_handler = ProxyHandler({

  'http': 'http://' + ip,

  'https': 'https://' + ip

  })

  opener = build_opener(proxy_handler)

  try:

  response = opener.open('http://httpbin.org/get')

  print(response.read().decode('utf-8'))

  except URLError as e:

  print(e.reason)

  运行结果:

  {

  "args": {},

  "headers": {

  "Accept-Encoding": "identity",

  "Host": "httpbin.org",

  "User-Agent": "Python-urllib/3.7"

  },

  "origin": "108.61.201.231, 108.61.201.231",

  "url": "https://httpbin.org/get"

  }

  Urllib 使用 ProxyHandler 设置代理,参数是字典类型,键名为协议类型,键值是代理,代理前面需要加上协议,即 http 或 https,当请求的链接是 http 协议的时候,它会调用 http 代理,当请求的链接是 https 协议的时候,它会调用https代理,所以此处生效的代理是:http://108.61.201.231 和 https://108.61.201.231

  ProxyHandler 对象创建之后,再利用 build_opener() 方法传入该对象来创建一个 Opener,这样就相当于此 Opener 已经设置好代理了,直接调用它的 open() 方法即可使用此代理访问链接

  Requests

  Requests 的代理设置只需要传入 proxies 参数:

  import requests

  # 获取IP

  ip_response = requests.get("http://localhost:5555/random")

  ip = ip_response.text

  proxies = {

  'http': 'http://' + ip,

  'https': 'https://' + ip,

  }

  try:

  response = requests.get('http://httpbin.org/get', proxies=proxies)

  print(response.text)

  except requests.exceptions.ConnectionError as e:

  print('Error', e.args)

  运行结果:

  {

  "args": {},

  "headers": {

  "Accept": "*/*",

  "Accept-Encoding": "gzip, deflate",

  "Host": "httpbin.org",

  "User-Agent": "python-requests/2.21.0"

  },

  "origin": "47.90.28.54, 47.90.28.54",

  "url": "https://httpbin.org/get"

  }

  Requests 只需要构造代理字典然后通过 proxies 参数即可设置代理,比较简单

  Selenium

  import requests

  from selenium import webdriver

  import time

  # 借助requests库获取IP

  ip_response = requests.get("http://localhost:5555/random")

  ip = ip_response.text

  chrome_options = webdriver.ChromeOptions()

  chrome_options.add_argument('--proxy-server=http://' + ip)

  browser = webdriver.Chrome(chrome_options=chrome_options)

  browser.get('http://httpbin.org/get')

  time.sleep(5)

  运行结果:

  以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

  您可能感兴趣的文章: