您的位置: 首页 > 新闻资讯 > 正文

Python爬虫常用的小技巧-设置代理IP

发布时间:2019-08-22 17:08:36 来源:互联网

Python爬虫常用的小技巧-设置代理IP?在学习Python爬虫的时候,经常会遇见所要爬取的网站采取了反爬取技术导致爬取失败。高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力,所以同一个IP反复爬取同一个网页,就很可能被封,这里讲述一个爬虫技巧,设置代理IP


Python爬虫常用的小技巧-设置代理IP


这里介绍一下免费获取代理IP的方法,这个方法的优点就是免费,但是缺点就是爬取后存在很多不能用的


IP地址取自国内髙匿代理IP网站,黑洞代理,我们爬取首页IP地址就足够一般使用,或者你也可以爬取第一页,第二页…的


配置环境


安装requests库


安装bs4库


安装lxml库


具体代码


话不多说直接上代码吧


Python爬虫常用的小技巧-设置代理IP


函数get_ip_list(url, headers)传入url和headers,最后返回一个IP列表,列表的元素类似122.114.31.177:808格式,这个列表包括国内髙匿代理IP网站首页所有IP地址和端口


函数get_random_ip(ip_list)传入第一个函数得到的列表,返回一个随机的proxies,这个proxies可以传入到requests的get方法中,这样就可以做到每次运行都使用不同的IP访问被爬取的网站,有效地避免了真实IP被封的风险


proxies的格式是一个字典:{‘http’: ‘http://122.114.31.177:808‘},可以将下面的执行也封装为方法


对于抓取IP这个,犀牛代理服务器做了反爬处理,如果你频繁去抓取的话,服务器会主动返回503错误,提示block,所以在请求的时候可以先一次请求完保存一个文件,来读取这个文件,或者爬取一个ip使用几分钟后,再去爬取一次,相当于加一个定时功能


代理IP的使用


运行上面的代码会得到一个随机的proxies,把它直接传入requests的get方法中即可


res = requests.get(url, headers=headers, proxies=proxies)


这里想提醒的是,免费的代理IP稳定性还需要商榷,建议如何是大量的进行信息爬取的话还是购买一些代理IP比较好


相关文章内容简介

1 Python爬虫常用的小技巧-设置代理IP

  Python爬虫常用的小技巧-设置代理IP?在学习Python爬虫的时候,经常会遇见所要爬取的网站采取了反爬取技术导致爬取失败。高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力,所以同一个IP反复爬取同一个网页,就很可能被封,这里讲述一个爬虫技巧,设置代理IP  这里介绍一下免费获取代理IP的方法,这个方法的优点就是免费,但是缺点... [阅读全文]

最新标签