突破反爬虫的一个常用做法是使用代理IP,可以是作为初学者或者个人来说,买一些代理ip成本稍微高一些,因此最近写了一个开源项目IPProxys,用来为个人提供代理ip。
IPProxys原理:通过爬取各大代理网站提供的免费代理IP,进行去重,并验证ip的可用性,将有效的ip存储到sqlite中,并提供一个HTTP接口供爬虫程序获取ip。
IPProxys项目已经上传到github中,链接为https://github.com/qiyeboy/IPProxys。下面对整个项目工程进行一下说明。
api包:主要是实现http服务器,提供api接口(通过get请求,返回json数据)
data文件夹:主要是数据库文件的存储位置和qqwry.dat(可以查询ip的地理位置)
db包:主要是封装了一些数据库的操作
spider包:主要是爬虫的核心功能,爬取代理网站上的代理ip
test包:测试一些用例,不参与整个项目的运行
util包:提供一些工具类。其中的IPAddress.py查询ip的地理位置
validator包:用来测试ip地址是否可用
config.py:主要是配置信息(包括配置ip地址的解析方式和数据库的配置)
整个项目的代码量不大,大家可以根据自己的需求进行修改,也可以提出自己的想法和建议帮助我改进这个项目。
如何使用IPProxys项目呢?
1.将项目目录clone到当前文件夹
$ git clone
2.切换工程目录
$ cd IPProxys
3.运行脚本
python IPProxys.py
windows上运行效果如下图所示:
项目依赖项:
需要安装sqlite数据库
安装requests库:pip install requests
安装lxml: apt-get install python-lxml
当IPProxys运行起来后,外部的爬虫如何获取ip呢?
外部的爬虫只需要向IPProxys所在主机的8000端口发送GET请求即可。GET请求的参数为:
例如:
访问http://127.0.0.1:8000/?types=0&count=5&country=中国这个链接的含义是获取5个ip地址在中国的高匿代理。响应为JSON格式,返回数据为:[{"ip": "220.160.22.115", "port": 80}, {"ip": "183.129.151.130", "port": 80}, {"ip": "59.52.243.88", "port": 80}, {"ip": "112.228.35.24", "port": 8888}, {"ip": "106.75.176.4", "port": 80}]
一般爬取到的有效ip大约有60个左右,基本上满足个人的需要。
相关文章内容简介
1 突破反爬虫的利器——开源IP代理池
突破反爬虫的一个常用做法是使用代理IP,可以是作为初学者或者个人来说,买一些代理ip成本稍微高一些,因此最近写了一个开源项目IPProxys,用来为个人提供代理ip。IPProxys原理:通过爬取各大代理网站提供的免费代理IP,进行去重,并验证ip的可用性,将有效的ip存储到sqlite中,并提供一个HTTP接口供爬虫程序获取ip。IPProxys项目已经上传到github中,链接为https... [阅读全文]
最新标签
推荐阅读
21
2018-12
玩游戏延迟太高,没法玩了,IP加速器哪个好用
这几年手游不断推出,吸引了大量的玩家,但是由于大部分的手机配置与网络情况比电脑差,所以会影响游戏的体验,比如说高延迟,这就需要一款加速器来降低游戏延迟,IP加速器哪个好用呢
13
2019-06
用代理IP投票
现在网络上很多业务都需要使用到代理IP,那么有没有哪家的代理IP比较好呢?适合做投票业务呢?这里为大家推荐一家网站——黑洞代理,专业提供代理IP服务的网站。
24
2019-01
ip加速器是什么?ip加速器使用教程
IP加速器是一种虚拟出来的企业内部专线,通过在公用网络上建立专线网络,来进行加密通讯设备。现阶段这种IP加速器是一种比较普遍的应用模式,相反国内通过免费或付费IP加速器进行科学上
17
2019-06
关于代理IP,你知道多少?
就现今互联网而言,似乎很多行业都在用代理IP,你知道它能改变你的IP地址,帮助你突破网站IP限制,但你真的了解它吗?今天小编就来带你认识一下这位"老朋友"。
热门文章
公众号
关注公众号,免费领试用