python爬虫--代理.让你的ip在坚挺一会!!

代理

代理简述

代理服务器:实现请求转发,从而可以实现更换请求的ip地址

	在requests中如何将请求的ip进行更换

代理的匿名度:

	透明:服务器知道你使用了代理并且知道你的真实ip

	匿名:服务器知道你使用了代理,但是不知道你的真实ip

	高匿:服务器不知道你使用了代理,更不知道你的真实ip

代理的类型:

	http:该类型的代理只可以转发http协议的请求

	https:只可以转发https协议的请求

免费代理ip的网站

    快代理

    西祠代理

    goubanjia

    代理精灵(推荐):http://http.zhiliandaili.cn/

在爬虫中遇到ip被禁掉如何处理?

    使用代理

    构建一个代理池

    拨号服务器

案例

import requests

headers = {

    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36'

}

url = 'https://www.baidu.com/s?wd=ip'

#proxies={'http/https':'ip:port'}

page_text = requests.get(url=url,headers=headers,proxies={'https':'1.197.203.187:9999'}).text

with open('ip.html','w',encoding='utf-8') as fp:

    fp.write(page_text)

from lxml import etree

all_ips = [] #列表形式的代理池

proxy_url = 'http://t.11jsq.com/index.php/api/entry?method=proxyServer.generate_api_url&packid=1&fa=0&fetch_key=&groupid=0&qty=52&time=1&pro=&city=&port=1&format=html&ss=5&css=&dt=1&specialTxt=3&specialJson=&usertype=2'

#在购买完代理ip后生成的HTML页面的url

proxy_page_text = requests.get(url=proxy_url,headers=headers).text  #爬取这个页面中的数据,也就是购买后的ip代理

tree = etree.HTML(proxy_page_text)

proxy_list = tree.xpath('//body//text()')

for ip in proxy_list:

    dic = {'https':ip}

    all_ips.append(dic)

all_ips

爬取西祠代理中的免费代理ip

import requests

headers = {

    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36'

}

url = 'https://www.xicidaili.com/nn/%d'

free_proxies = []

for page in range(1,30):

    new_url = format(url%page)

    page_text = requests.get(new_url,headers=headers,proxies=random.choice(all_ips)).text # all_ips在上面的代码中

    tree = etree.HTML(page_text)

    tr_list = tree.xpath('//*[@id="ip_list"]//tr')[1:] #xpath表达式中不可以出现tbody

    for tr in tr_list:

        ip = tr.xpath('./td[2]/text()')[0]

        port = tr.xpath('./td[3]/text()')[0]

        t_type = tr.xpath('./td[7]/text()')[0]

        dic = {

            'ip':ip,

            'port':port,

            'type':t_type

        }

        free_proxies.append(dic)

    print('第{}页爬取完毕!!!'.format(page))

print(len(free_proxies))