一、建立IP代理池的思路：
做爬虫时，遇到访问太频繁IP被封是难以避免的，而本地单个IP是不足以进行大规模爬取，并且自己并不想购买付费代理，那么，构建一个IP代理池是非常有必要的。思路如下：
图1
二、建立IP 代理池的步骤：
- 爬取代理IP：搜索选择代理IP网站，选取免费代理；代码如下：
# _*_ coding：UTF-8 _*_
# 开发作者：Jason Zhang
# 创建时间：2020/12/29 17:58
# 文件名称：爬取代理IP.PY
# 开发工具：PyCharm
import requests
import lxml.html
import os
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
}
url_list = ['http://www.xicidaili.com/nn/%r' % i for i in range(1,10)]
ip_list = []
for url in url_list:
r = requests.get(url,headers=headers)
etree = lxml.html.fromstring(r.text)
ips = etree.xpath('//tr[@class="odd"]')
for ip in ips:
IP = ip.xpath('//td/text()')
ip = IP[0] +':'+ IP[1]
ip_list.append(ip)
f = open('ip.txt','wb')
f.write(','.join(ip_list).encode('utf-8'))
f.close(- 验证代理IP：
通过网络访问来验证代理IP的可用性和访问速度，将之前爬取到的代理IP地址从ip.txt文件中提取出来，分别试用代理IP去访问某个网站首页，仅保留响应时间在2秒内的IP，并保存在QIP.txt中，代码如下：
# _*_ coding：UTF-8 _*_
# 开发作者：关中老玉米
# 创建时间：2020/12/29 18:27
# 文件名称：验证代理IP.PY
# 开发工具：PyCharm
import requests
ip_list = open('ip.txt').read().split(',')
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'
}
q
url = 'https://www.baidu.com' #用百度来测试IP是否能正常连网
for i in ip_list: #设置超时时间timeout为2 s，超时则为不可用IP
r = requests.get(url, proxies={'http': 'http://' + ip[i]}, headers=headers,timeout=2)
if r.text:
qip.append(qip[i])
else:
continue
f = open('quality_ip.txt','wb')
f.write(','.join(quality_ip).encode('utf-8'))
f.close()- 使用代理IP：
建立IP代理池之后，有以下两种使用代理IP的方式。
# _*_ coding：UTF-8 _*_
# 开发作者：Jason Zhang
# 创建时间：2020/12/31 18:03
# 文件名称：使用代理IP.PY
# 开发工具：PyCharm
# （1）使用随机 IP，代码如下：
import random
import requests
ip_list = open('quality_ip.txt').read().split(',')
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
}
url = 'http://*********'
r = requests.get(url, proxies={'http': 'http://'+random.choice(ip_list)},headers=headers)
# （2）因为免费的代理时效很短，在后续的爬取任务中很容易失效，所以当出现访问错误（响应码不等于 200）时，更换 IP，代码如下：
ip_list = open('qip.txt').read().split(',')
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
}
for ip in ip_list:
for i in range(len(url_list)):
r = requests.get(url_list[i], proxies={'http': 'http://'+ip},headers=headers)
if r.status_code != 200:
break版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 ivillcn@qq.com 举报，一经查实，本站将立刻删除。文章链接：https://www.shangraobbs.com/n/2935.html
