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!
API测试网址:http://www.jshk.com.cn/,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)
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多交流。