Python爬蟲例項九州動態IP使用HTTP的urllib2中的ProxyHandler設定。
阿新 • • 發佈:2018-11-28
例如很多網站會檢測某一段時間某個IP的訪問次數,如果訪問頻率太快以至於看起來不像正常訪客,它可能就會會禁止這個IP的訪問。一些網站會有相應的反爬蟲措施,所以我們需要設定一些代理伺服器,每隔一段時間換一個代理,就算IP被禁止,依然可以換個IP繼續爬取。
在Python中,可以使用urllib2中的ProxyHandler來設定使用代理伺服器,下面通過程式碼說明如何來使用代理:
import urllib2 # 構建了兩個代理Handler,一個有代理IP,一個沒有代理IP httpproxy_handler = urllib2.ProxyHandler({"http" : "124.88.67.81:80"}) nullproxy_handler = urllib2.ProxyHandler({}) #定義一個代理開關 proxySwitch = True # 通過 urllib2.build_opener()方法使用這些代理Handler物件,建立自定義opener物件 # 根據代理開關是否開啟,使用不同的代理模式 if proxySwitch: opener = urllib2.build_opener(httpproxy_handler) else: opener = urllib2.build_opener(nullproxy_handler) request = urllib2.Request("http://www.baidu.com/") # 使用opener.open()方法傳送請求才使用自定義的代理,而urlopen()則不使用自定義代理。 response = opener.open(request) # 就是將opener應用到全域性,之後所有的,不管是opener.open()還是urlopen() 傳送請求,都將使用自定義代理。 # urllib2.install_opener(opener) # response = urlopen(request) print response.read()
上面使用的是免費的開放代理,我們可以在一些代理網站上收集這些免費代理,測試後如果可以用,就把它收集起來用在爬蟲上面。
免費代理網站:
如果你有足夠多的代理,可以放在一個列表中,隨機選擇一個代理去訪問網站。如下:
import urllib2 import random proxy_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"} ] # 隨機選擇一個代理 proxy = random.choice(proxy_list) # 使用選擇的代理構建代理處理器物件 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()
上面使用的都是免費代理,不是很穩定,很多時候會出現無法使用的情況,這時候可以考慮使用私密代理。也就是向代理供應商購買代理,供應商會提供一個有效代理,並且有自己的使用者名稱和密碼,具體使用和免費代理一樣,這是多了一個賬戶認證,如下:
# 構建具有一個私密代理IP的Handler,其中user為賬戶,passwd為密碼
httpproxy_handler = urllib2.ProxyHandler({"http" : "user:[email protected]:80"})
上面就是使用urllib2設定代理的方法,不過看起來有些麻煩,下面我們看看如何使用reqursts來使用代理。
使用免費代理:
import requests
# 根據協議型別,選擇不同的代理
proxies = {
"http": "http://12.34.56.79:9527",
"https": "http://12.34.56.79:9527",
}
response = requests.get("http://www.baidu.com", proxies = proxies)
print response.text
使用私密代理:
import requests
# 如果代理需要使用HTTP Basic Auth,可以使用下面這種格式:
proxy = { "http": "mr_mao_hacker:[email protected]:16816" }
response = requests.get("http://www.baidu.com", proxies = proxy)
print response.text
這樣看起來簡單不少。
注:可以將賬戶密碼寫入環境變數以免洩露