西刺代理python_python网络爬虫实战——实时抓取西刺免费代理ip-Go语言中文社区...
参考网上高手示例程序,利用了多线程技术,Python版本为2.7
#-*-coding:utf8-*-
import urllib2
import re
import threading
import time
rawProxyList = []
checkedProxyList = []
#抓取代理网站
targets=[]
for i in range(1,6):
target = r"http://www.xici.net.co/nn/%d" % i
targets.append(target)
# print targets
#正则
p = re.compile(r'''
req = urllib2.urlopen(self.target)
result = req.read()
matchs = p.findall(result)
for row in matchs:
ip = row[0]
port = row[1]
agent = row[2]
addr=agent+'://'+ip+':'+port
proxy = [ip,port,addr]
rawProxyList.append(proxy)
def run(self):
self.getProxy()
#检验代理类
class ProxyCheck(threading.Thread):
def __init__(self,proxyList):
threading.Thread.__init__(self)
self.proxyList = proxyList
self.timeout=5
self.testUrl = "http://www.baidu.com/"
self.testStr = "030173"
def checkProxy(self):
cookies = urllib2.HTTPCookieProcessor()
for proxy in self.proxyList:
proxyHandler = urllib2.ProxyHandler({"http" : r'http://%s:%s' %(proxy[0],proxy[1])})
opener=urllib2.build_opener(cookies,proxyHandler)
opener.addheaders =[('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.63 Safari/537.36')]
t1 = time.time()
try:
req = opener.open(self.testUrl,timeout=self.timeout)
result=req.read()
timeused = time.time()-t1
pos = result.find(self.testStr)
if pos > 1:
checkedProxyList.append((proxy[0],proxy[1],proxy[2],timeused))
else:
continue
except Exception,e:
continue
def run(self):
self.checkProxy()
if __name__ == "__main__":
getThreads=[]
checkThreads=[]
#对每个目标网站开启一个线程负责抓取代理
for i in range(len(targets)):
t = ProxyGet(targets[i])
getThreads.append(t)
for i in range(len(getThreads)):
getThreads[i].start()
for i in range(len(getThreads)):
getThreads[i].join()
print '.'*10+"总共抓取了%s个代理" %len(rawProxyList) +'.'*10
#开启20个线程负责校验,将抓取到的代理分成20份,每个线程校验一份
for i in range(20):
t = ProxyCheck(rawProxyList[((len(rawProxyList)+19)/20) * i:((len(rawProxyList)+19)/20) * (i+1)])
checkThreads.append(t)
for i in range(len(checkThreads)):
checkThreads[i].start()
for i in range(len(checkThreads)):
checkThreads[i].join()
print '.'*10+"总共有%s个代理通过校验" %len(checkedProxyList) +'.'*10
#持久化
f= open("proxy_list.txt",'w+')
for proxy in sorted(checkedProxyList,cmp=lambda x,y:cmp(x[3],y[3])):
print "checked proxy is: %s:%st%st%s" %(proxy[0],proxy[1],proxy[2],proxy[3])
f.write("%s:%st%st%sn"%(proxy[0],proxy[1],proxy[2],proxy[3]))
f.close()
西刺代理python_python网络爬虫实战——实时抓取西刺免费代理ip-Go语言中文社区...相关推荐
- Python网络爬虫实战:抓取和分析天猫胸罩销售数据
本文实现一个非常有趣的项目,这个项目是关于胸罩销售数据分析的.Google曾给出了一幅世界女性胸部尺寸分布地图 ,从地图中可以明显看出中国大部分地区呈现绿色(表示平均胸部尺寸为A罩杯),少部分地区呈现 ...
- 【网络爬虫实战】抓取腾讯视频评论
首先 腾讯视频(青云志)中的评论是有多页的,涉及到翻页.猜测评论不是都在网页源码中的,查看网页源码确实不在. 第二, 这里通过fiddler获得firefox中新的js网页的url,然后打开此网页.这 ...
- python网络爬虫实战3——抓取新闻内文相关信息
详细代码见:http://download.csdn.net/download/vinsuan1993/10258596 一.需求说明 我们通过上一篇博客(http://blog.csdn.net/c ...
- [day4]python网络爬虫实战:爬取美女写真图片(Scrapy版)
l> 我的新书<Android App开发入门与实战>已于2020年8月由人民邮电出版社出版,欢迎购买.点击进入详情 文章目录 1.开发环境 2.第三方库 3.Scrapy简介 4. ...
- [day1]python网络爬虫实战:爬取美女写真图片
l> 我的新书<Android App开发入门与实战>已于2020年8月由人民邮电出版社出版,欢迎购买.点击进入详情 文章目录 1.开发环境 2.第三方库 3.实现 1.分析url格 ...
- [day2]python网络爬虫实战:爬取美女写真图片(增强版)
l> 我的新书<Android App开发入门与实战>已于2020年8月由人民邮电出版社出版,欢迎购买.点击进入详情 文章目录 1.开发环境 2.第三方库 3.实现 1.分析url格 ...
- Python 网络爬虫实战:爬取知乎回答中的全部图片
平时逛知乎的时候,经常能看到很多很棒的图片,精美的壁纸,搞笑的表情包,有趣的截图等等,总有想全部保存下来的冲动. 于是在一个小老弟的拜托之下,我把之前的知乎爬虫改造了一下,改装成了一个可以下载知乎回答 ...
- 22.网络爬虫—APP数据抓取详讲
网络爬虫-APP数据抓取详讲 Fiddler 工作原理 安装完成Fiddler后的配置 前提条件 工具配置 手机数据抓取 Fiddler手机端配置 手机端操作 实战演示 后记 前言:
- 爬虫实战,抓取论坛帖子内容
本文主要内容:以最短的时间写一个最简单的爬虫,可以抓取论坛的帖子标题和帖子内容. 本文受众:没写过爬虫的萌新. 入门 0.准备工作 需要准备的东西: Python.scrapy.一个IDE或者随便什么 ...
- python爬虫实战:爬取西刺代理网站,获取免费的代理IP
爬取的网站链接:西刺网站 import requests import chardet import random import time from bs4 import BeautifulSoup ...
最新文章
- linux系统发送信号的系统调用是,linux系统编程之信号:信号发送函数sigqueue和信号安装函数sigaction...
- 利用QCustomePlot绘制热力图,瀑布图,频谱色图等
- 数据结构与算法--二叉树的深度问题
- 前端学习(2312):react之路由基础
- linux的驱动开发——内核模块如何使用?
- Java动态代理全面分析
- .exe已停止工作_Windows 10累积更新KB4565503和KB4565483已发布
- android中倒计时控件CountDownTimer分析
- Django实战(一)-----用户登录与注册系统2(数据模型、admin后台、路由视图)
- 【更新】怎样免费下载百度文库文档
- Windows10系统把JDK安装到D盘上的步骤及安装
- Android Studio下运行开源项目9GAG遇到的问题
- VirtualBox调试分辨率时遇到的问题
- 测试用例设计——错误猜测法
- 小米MIUI备份/小米助手数据通过BAK进行恢复 | 生成MIUI的descript.xml文件进行数据恢复 | 手动恢复MIUI备份/小米助手数据
- 百词斩个人中心功能测试
- JAVA程序员常用访问网址
- [渝粤教育] 西南科技大学 农产品贮藏与加工 在线考试复习资料
- 史蒂芬·霍金于今日至17日访问香港
- 莆田第十一中学2021年高考成绩查询,2021莆田市地区高考成绩排名查询,莆田市高考各高中成绩喜报榜单...