在用Python爬蟲時，我們有時會用到IP代理。無意中發現一個免費代理IP的網站：http://www.xicidaili.com/nn/。但是，發現很多IP都用不了。故用Python寫了個指令碼，該指令碼可以把能用的代理IP檢測出來。指令碼如下：

#encoding=utf8
import urllib2
from bs4 import BeautifulSoup
import urllib
import socket

User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'
header = {}
header['User-Agent'] = User_Agent

'''
獲取所有代理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
	
'''
驗證獲得的代理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)
 

執行成功後，開啟E盤下的檔案，可以看到如下可用的代理IP地址和埠：

這只是爬取的第一頁的IP地址，如有需要，可以多爬取幾頁。同時，該網站是時時更新的，建議爬取時只爬取前幾頁的即可。