其实每次爬东西的时候,特怕IP被封,所以每次都要把时间延迟设置得长一点...这次用Python搭建一个简单的代理池。获取代理IP,然后验证其有效性。不过结果好像不是很理想,为什么西刺代理的高匿代理都能用???不是说免费代理不好使吗?真的是黑人问号脸...

NO.1 代理获取

01 网页分析

通过点击西刺代理国内高匿代理,得到网页信息。

获取IP地址、端口、是否匿名、类型、速度。

02 获取代理信息

这里记得一定要设置随机选取headers以及睡眠时间,因为我就没有设置,然后就被封了...

import time

import requests

from bs4 import BeautifulSoup

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'

}

for i in range(1, 36):

time.sleep(2)

print('第' + str(i) + '页')

url = 'http://www.xicidaili.com/nn/' + str(i)

response = requests.get(url=url, headers=headers)

soup = BeautifulSoup(response.text, 'html.parser')

all_trs = soup.find_all('tr')

for tr in all_trs[1:]:

all_tds = tr.find_all('td')

ip = all_tds[1].get_text()

port = all_tds[2].get_text()

anonymous = all_tds[4].get_text()

type = all_tds[5].get_text()

for j in all_tds[6].find_all("div", attrs={"class": "bar"}):

speed = j.get('title')

with open('ip.csv', 'a+', encoding='utf-8-sig') as f:

f.write(ip + ',' + port + ',' + anonymous + ',' + type + ',' + speed + '\n')

随机获取用户代理的代码,上面是没加下面这个函数的(结果就是被封,不过第二天又能用啦)def get_user_agent():

'''

随机获取一个用户代理

'''

user_agents=[

"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",

"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",

"Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",

"Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",

"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",

"Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",

"Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",

"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",

"Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",

"Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",

"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",

"Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",

"Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",

"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",

"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",

"Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",

"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",

"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",

"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",

"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)",

"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER",

"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",

"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)",

"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",

"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",

"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",

"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",

"Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",

"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",

"Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5",

"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre",

"Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0",

"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",

"Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10"

]

# random.choice返回列表的随机项

user_agent = random.choice(user_agents)

return user_agent

# random.randint产生随机整数

time.sleep(2 + float(random.randint(1, 100)) / 20)

NO.2代理验证

通过验证发现大部分都能用,不知道真的假的。

网址用的之前识别验证码的那个网站,如云阁小说网。

200个只有2个无效,不科学~import pandas as pd

import numpy as np

import requests

import time

df = pd.read_csv('ip.csv', header=None, names=["ip", "port", "anonymous", "proxy_type", "speed"])

proxy_types = ["{}".format(i) for i in np.array(df['proxy_type'])]

ips = ["{}".format(i) for i in np.array(df['ip'])]

ports = ["{}".format(i) for i in np.array(df['port'])]

proxy_url = ['{0}://{1}:{2}'.format(proxy_types[i], ips[i], ports[i]) for i in range(len(ips))]

proxy_type = ['{}'.format(i) for i in proxy_types]

for i in range(200):

time.sleep(1)

proxies = {

proxy_type[i]: proxy_url[i]

}

try:

response = requests.get('http://www.quanben9.com/', proxies=proxies)

except Exception as e:

print('invalid ip and port')

else:

code = response.status_code

if code == 200:

print('effective ip')

with open('effective_ip.csv', 'a+', encoding='utf-8-sig') as f:

f.write(proxy_type[i] + ',' + proxy_url[i] + '\n')

else:

print('invalid ip and port')

NO.3小结

IP协议:网际协议,作用是把各种数据包传送给对方(两个重要的条件,IP地址和MAC地址)。

IP地址:指明了节点被分配到的地址。

端口:端口是通过端口号来标记的,端口号只有整数,范围是从0到65535。一个IP地址的端口有65536个,「IP地址+端口号」区分不同的服务(Web、FTP、SMTP)。

HTTP:超文本传输协议,完成从客户端到服务器端等一系列运作流程。

HTTPS:添加了加密及认证机制的HTTP。

老实说,之前我对IP地址、端口、HTTP、HTTPS,是一点不了解的。

最近在看图解HTTP,算是对它们有所了解,但是还只是那么一点点,任重而道远。

不过罗马非一日之功,有进步就是好事!

【推荐课程:Python专栏课程】

python代理池_用Python搭建一个简单的代理池相关推荐

  1. python七彩同心圆_用pygame做一个简单的python小游戏---七彩同心圆

    用pygame做一个简单的python小游戏---七彩同心圆 用pygame做一个简单的python小游戏-七彩同心圆 这个小游戏原是我同学python课的课后作业,并不是很难,就简单实现了一下,顺便 ...

  2. seq2seq模型_使用Tensorflow搭建一个简单的Seq2Seq翻译模型

    1.背景 首先,这篇博文整理自谷歌开源的神经机器翻译项目Neural Machine Translation (seq2seq) Tutorial.如果你直接克隆这个项目按照Tutorial中的说明操 ...

  3. python ftp 设置代理_用Python搭建一个简单的代理池

    def get_user_agent(): ''' 随机获取一个用户代理 ''' user_agents=[ "Mozilla/4.0 (compatible; MSIE 6.0; Wind ...

  4. 怎样用python搭建简单的系统_如何用Python搭建一个简单的推荐系统?

    推荐系统的相关知识我们已在前文中提到,在这篇文章中,我们会介绍如何用Python来搭建一个简单的推荐系统. 本文使用的数据集是MovieLens数据集,该数据集由明尼苏达大学的Grouplens研究小 ...

  5. python旅游推荐系统_如何用Python搭建一个简单的推荐系统?

    推荐系统的相关知识我们已在前文中提到,在这篇文章中,我们会介绍如何用Python来搭建一个简单的推荐系统. 本文使用的数据集是MovieLens数据集,该数据集由明尼苏达大学的Grouplens研究小 ...

  6. 1-3.Win10系统利用Pycharm社区版安装Django搭建一个简单Python Web项目的步骤之三

    在1-1.Win10系统利用Pycharm社区版安装Django搭建一个简单Python Web项目的步骤之一 基础上进行如下操作: 所有路由不能全部都在myDjango下的urls.py路由文件中, ...

  7. 使用 Python 的 flask 架构搭建一个简单web网站

    使用 Python 的 flask 架构搭建一个简单web网站 1.flask最简单框架,返回hello world: from flask import * app = Flask(__name__ ...

  8. Python后端---使用Django+Mysql搭建一个简单的网站

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言 一.项目搭建 前期准备 命令行创建项目和app Django项目配置文件说明 使用数据库 编写业务逻辑 配置url主路 ...

  9. python 时间序列预测_使用Python进行动手时间序列预测

    python 时间序列预测 Time series analysis is the endeavor of extracting meaningful summary and statistical ...

最新文章

  1. Mongodb ruby driver API(中文)
  2. 如何快速弄懂一个新模型_如何评估创业项目是否靠谱?一个新的模型 | 创创锦囊...
  3. to_number用法示例_Number()函数以及JavaScript中的示例
  4. Hive External Table of Doris(详细)
  5. git根据commit生成patch(转载)
  6. cad道路里程桩号标注_CAD道路桩号自动编号插件
  7. 50个面试官最喜欢问的java微服务面试题
  8. Win10(winser2019)关闭驱动数字签名方法
  9. 杨霖演讲实录∣从模块化架构到跨链生态,NULS这一年下了一盘怎么样的棋
  10. LaTeX中的多行数学公式
  11. 误码率与信噪比的关系matlab,误码率BER与信噪比SNR的关系解析
  12. Kinect传感器的硬件组成
  13. jshop测试分析总览
  14. html5 canvas消除锯齿,HTML5 Canvas 如何取消反锯齿绘图
  15. 淘宝四大经典骗局及防骗技巧
  16. 一条SQL返回多个统计求和
  17. 要命啦!Word中快速录入大全,内含快捷键小技巧,快来一起学习!
  18. 连载:大学生求职七大昏招(十九)缺少职业素养(4)
  19. ios 计算两个时间相差秒数_iOS NSDate时间换算
  20. 非线性方程求解 不动点迭代法

热门文章

  1. 在jMeter里如何创建用户定义的能生成随机数的变量
  2. Eclipse Debugger Error - Web Launch Already running的处理方法
  3. 创建Live Rates Plan时Sales Organization无法自动带出来的问题
  4. 列出系统所有未被Business transaction 引用的Products集合
  5. 使用async关键字进行TCP server的连接
  6. SAP CRM CRM_PARTNER_READ_MULTI_OB
  7. code block怎样导入整个文件夹_按需分配随时可用的在线开发环境:弹性容器+code-server踩坑记...
  8. java学到什么程度才有用处_如何自学Java?Java学到什么程度才可以找工作?
  9. 倾向得分匹配的stata命令_计量方法的适用条件汇总(二):倾向得分匹配
  10. 【测试思考】测试段位之测试六段