Python3并发检验代理池地址
【用线程池并发检验代理有效性】
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
|
#encoding=utf-8
#author: walker
#date: 2016-04-14
#summary: 用线程池并发检验代理有效性
import os, sys, time
import requests
from concurrent import futures
cur_dir_fullpath = os.path.dirname(os.path.abspath(__file__))
Headers = {
'Accept' : '*/*' ,
'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET4.0C; .NET4.0E)' ,
}
#检验单个代理的有效性
#如果有效,返回该proxy;否则,返回空字符串
def Check(desturl, proxy, feature):
proxies = { 'http' : 'http://' + proxy}
proxies = {
'http' : proxy,
'https' : proxy
}
r = None #声明
exMsg = None
try :
r = requests.get(url = desturl, headers = Headers, proxies = proxies, timeout = 3 )
except :
exMsg = '* ' + traceback.format_exc()
#print(exMsg)
finally :
if 'r' in locals () and r:
r.close()
if exMsg:
return ''
if r.status_code ! = 200 :
return ''
if r.content.decode( 'utf8' ).find(feature) < 0 :
return ''
return proxy
#输入代理列表(set/list),返回有效代理列表
def GetValidProxyPool(rawProxyPool, desturl, feature):
validProxyList = list () #有效代理列表
pool = futures.ThreadPoolExecutor( 8 )
futureList = list ()
for proxy in rawProxyPool:
futureList.append(pool.submit(Check, desturl, proxy, feature))
print ( '\n submit done, waiting for responses\n' )
for future in futures.as_completed(futureList):
proxy = future.result()
print ( 'proxy:' + proxy)
if proxy: #有效代理
validProxyList.append(proxy)
print ( 'validProxyList size:' + str ( len (validProxyList)))
return validProxyList
#获取原始代理池
def GetRawProxyPool():
rawProxyPool = set ()
#通过某种方式获取原始代理池......
return rawProxyPool
if __name__ = = "__main__" :
rawProxyPool = GetRawProxyPool()
desturl = 'http://...' #需要通过代理访问的目标地址
feature = 'xxx' #目标网页的特征码
validProxyPool = GetValidProxyPool(rawProxyPool, desturl, feature)
|
【用协程并发检验代理有效性】
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
|
#encoding=utf-8
#author: walker
#date: 2017-03-28
#summary: 用协程并发检验代理有效性
#Python sys.version:3.6.1 (v3.6.1:69c0db5, Mar 21 2017, 18:41:36) [MSC v.1900 64 bit (AMD64)]
import os, sys, time
import requests
import aiohttp
import asyncio
import traceback
Headers = {
'Accept' : '*/*' ,
'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.1; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET4.0C; .NET4.0E)' ,
}
#检验单个代理的有效性
#如果有效,返回该proxy;否则,返回空字符串
async def Check(desturl, proxy, feature):
proxy = 'http://' + proxy
#print('proxy:' + proxy)
exMsg = None
try :
async with aiohttp.ClientSession() as session:
async with session.get(desturl, headers = Headers, proxy = proxy, timeout = 10 ) as resp:
#print(resp.status)
assert resp.status = = 200
#print(await resp.text())
html = await resp.text(encoding = 'utf-8' )
except :
exMsg = '* ' + traceback.format_exc()
#print(exMsg)
if exMsg:
return ''
if html.find(feature) < 0 :
return ''
return proxy
#输入代理列表(set/list),返回有效代理列表
async def GetValidProxyPool(rawProxyPool, desturl, feature):
print ( 'GetValidProxyPool ...' )
validProxyList = list () #有效代理列表
coroList = list ()
for proxy in rawProxyPool:
coroList.append(asyncio.ensure_future((Check(desturl, proxy, feature))))
totalSleepTime = 0
for f in asyncio.as_completed(coroList):
proxy = await f
#print('rtn proxy:' + proxy)
if proxy:
validProxyList.append(proxy)
print ( 'validProxyList size: %d' % len (validProxyList))
return validProxyList
#获取原始代理池
def GetRawProxyPool():
rawProxyPool = set ()
#通过某种方式获取原始代理池......
return rawProxyPool
if __name__ = = "__main__" :
startTime = time.time()
rawProxyPool = GetRawProxyPool()
desturl = 'http://...' #需要通过代理访问的目标地址
feature = 'xxx' #目标网页的特征码
print ( 'rawProxyPool size:%d' % len (rawProxyPool))
loop = asyncio.get_event_loop()
validProxyList = loop.run_until_complete(GetValidProxyPool(rawProxyPool, desturl, feature))
loop.close()
print ( 'rawProxyPool size:%d' % len (validProxyList))
print ( 'time cost:%.2fs' % (time.time() - startTime))
|
相关阅读:
1、concurrent.futures.ThreadPoolExecutor (Python documentation,官方)
2、12.7 创建一个线程池 (python3-cookbook)
3、What is the best way to send multiple HTTP requests in Python 3? (stackoverflow)
4、requests 中文文档
5、aiohttp 文档
*** walker ***
Python3并发检验代理池地址相关推荐
- python代理池好难啊_新人不会自己搭建代理池?快来引用大佬的
新人不会自己搭建代理池?快来引用大佬的 对于新人学习爬虫来说,虽然不会爬取太难的网站,但是有时候爬取的数据量过大的时候,也会遇到返回不了数据的问题,这时候打开网页一看.可能会看到"你的ip访 ...
- python爬虫代理池_python爬虫之ProxyPool(代理ip地址池的构建)
ProxyPool 安装 安装Python 至少Python3.5以上 安装Redis 安装好之后将Redis服务开启 配置代理池 cd proxypool 进入proxypool目录,修改setti ...
- python爬虫之ProxyPool(代理ip地址池的构建)
ProxyPool 2020-7-28 安装 安装Python 至少Python3.5以上 安装Redis 安装好之后将Redis服务开启 Redis环境安装(分布式爬虫数据存储) https://b ...
- Python3网络爬虫开发实战,IP代理池的维护
我们在上一节了解了代理的设置方法,利用代理我们可以解决目标网站封 IP 的问题,而在网上又有大量公开的免费代理,其中有一部分可以拿来使用,或者我们也可以购买付费的代理 IP,价格也不贵.但是不论是免费 ...
- python通过ip池爬_python爬虫18 | 就算你被封了也能继续爬,使用IP代理池伪装你的IP地址,让IP飘一会...
我们上次说了伪装头部 ↓ 让自己的 python 爬虫假装是浏览器 小帅b主要是想让你知道 在爬取网站的时候 要多的站在对方的角度想问题 其实 这和泡妞差不多 你要多站在妹纸的角度思考 她的兴趣是什么 ...
- python爬虫免费代理池_【Python3爬虫】教你怎么利用免费代理搭建代理池
一.写在前面 有时候你的爬虫刚开始的时候可以正常运行,能够正常的爬取数据,但是过了一会,却出现了一个"403 Forbidden",或者是"您的IP访问频率太高" ...
- python3爬虫系列19之反爬随机 User-Agent 和 ip代理池的使用
python3爬虫系列19之随机User-Agent 和ip代理池的使用 我们前面几篇讲了爬虫增速多进程,进程池的用法之类的,爬虫速度加快呢,也会带来一些坏事!!! 1. 前言 比如随着我们爬虫的速度 ...
- python爬虫ip代理池_爬虫教程-Python3网络爬虫开发——IP代理池的维护
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 准备工作 要实现IP代理池我们首先需要成功安装好了 Redis 数据库并启动服务,另外还需要安装 Aiohttp.Requests.RedisPy.PyQ ...
- IP代理池检测代理可用性
目录 项目代码 utils.py settings.py proxy_queue.py check_proxy.py 运行方法 在<基于Scrapy的IP代理池搭建>一文中,我们将从网页爬 ...
最新文章
- Centos下用lamp搭建日志服务器
- 七、DNS报文及抓包分析
- MySQL 数据库时区设置方法,“The server time zone value ‘�й���ʱ��‘ is unrecognized or represents ...” 问题解决
- win32线程学习总结(临界区,互斥体,事件,信号量)
- 写程序过程中写程序的注意事项
- Spring的事务传播性
- 『ACM--数据结构--字典树』信息竞赛进阶指南--Tire树
- 这可能是有史以来最详细的JNI入门教程
- pycharm格式化的html_pycharm格式化代码 常用快捷键
- c语言常见头文件大全,C语言头文件大全(free)
- SIM868——GPS加速定位方法
- php3d建模,3d建模师容易找工作吗
- Blender学习入门(二)-通用模型技术总结
- SAP基本计量单位更改
- 11.绘制统计图形——误差棒图
- Matlab RGB 颜色对照表(0-1之间取值)
- 纪录片《Code Rush》
- 解决电脑桌面程序图标变白问题
- 基于node.js + ElementUI 的sass人力资源后台管理系统的实现
- 我的世界服务器修改地图,我的世界如何修改地图?