GitHub: ProxyPool 爬虫代理IP池
hello,小伙伴们,大家好,今天给大家分享的开源项目是:proxy_pool
,这个开源项目是抓取个大免费代理IP网站,感兴趣的爬虫可以尝试把代码clone
下载然后尝试应用一下,加油!!!
______ ______ _
| ___ \_ | ___ \ | |
| |_/ / \__ __ __ _ __ _ | |_/ /___ ___ | |
| __/| _// _ \ \ \/ /| | | || __// _ \ / _ \ | |
| | | | | (_) | > < \ |_| || | | (_) | (_) || |___
\_| |_| \___/ /_/\_\ \__ |\_| \___/ \___/ \_____\__ / //___ /
免费代理源
目前实现的采集免费代理网站有(排名不分先后, 下面仅是对其发布的免费代理情况, 付费代理测评可以参考这里):
如果还有其他好的免费代理网站, 可以在提交在issues
, 下次更新时会考虑在项目中支持。
运行项目
下载代码:
git clone git@github.com:jhao104/proxy_pool.git
or
https://github.com/jhao104/proxy_pool/releases 下载对应zip文件
安装依赖:
pip install -r requirements.txt
更新配置:
# setting.py 为项目配置文件# 配置API服务HOST = "0.0.0.0" # IP
PORT = 5000 # 监听端口# 配置数据库DB_CONN = 'redis://@127.0.0.1:8888'# 配置 ProxyFetcherPROXY_FETCHER = ["freeProxy01", # 这里是启用的代理抓取方法名,所有fetch方法位于fetcher/proxyFetcher.py"freeProxy02",# ....
]
启动项目:
# 如果已经具备运行条件, 可用通过proxyPool.py启动。
# 程序分为: schedule 调度程序 和 server Api服务# 启动调度程序
python proxyPool.py schedule# 启动webApi服务
python proxyPool.py server
Docker运行
docker pull jhao104/proxy_pooldocker run --env DB_CONN=redis://:password@ip:port/db -p 5010:5010 jhao104/proxy_pool:2.1.0
使用
如果要在爬虫代码中使用的话, 可以将此api封装成函数直接使用,例如:
import requestsdef get_proxy():return requests.get("http://127.0.0.1:5010/get/").json()def delete_proxy(proxy):requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy))# your spider codedef getHtml():# ....retry_count = 5proxy = get_proxy().get("proxy")while retry_count > 0:try:html = requests.get('http://www.example.com', proxies={"http": "http://{}".format(proxy)})# 使用代理访问return htmlexcept Exception:retry_count -= 1# 删除代理池中代理delete_proxy(proxy)return None
扩展代理
项目默认包含几个免费的代理获取源,但是免费的毕竟质量有限,所以如果直接运行可能拿到的代理质量不理想。所以,提供了代理获取的扩展方法。
添加一个新的代理源方法如下:
1、首先在ProxyFetcher类中添加自定义的获取代理的静态方法, 该方法需要以生成器(yield)形式返回host:ip格式的代理,例如:
class ProxyFetcher(object):# ....# 自定义代理源获取方法@staticmethoddef freeProxyCustom1(): # 命名不和已有重复即可# 通过某网站或者某接口或某数据库获取代理# 假设你已经拿到了一个代理列表proxies = ["x.x.x.x:3128", "x.x.x.x:80"]for proxy in proxies:yield proxy# 确保每个proxy都是 host:ip正确的格式返回
2、添加好方法后,修改setting.py文件中的PROXY_FETCHER项:
在PROXY_FETCHER下添加自定义方法的名字:
PROXY_FETCHER = ["freeProxy01", "freeProxy02",# ...."freeProxyCustom1" # # 确保名字和你添加方法名字一致
]
schedule 进程会每隔一段时间抓取一次代理,下次抓取时会自动识别调用你定义的方法。
以上就是这个开源项目的详细介绍了,感兴趣的小伙伴可以尝试应用一下。
开源地址:https://github.com/jhao104/proxy_pool
今天的推荐不知道大家喜欢吗?如果你们喜欢话,请在文章底部留言或点赞,以表示对我的支持,你们的留言,点赞,转发关注是我持续更新的动力哦!
关注公众号回复:"1024
",免费领取一大波学习资源,先到先得哦!
GitHub: ProxyPool 爬虫代理IP池相关推荐
- ProxyPool 爬虫代理IP池(分享)
GitHub - jhao104/proxy_pool: Python爬虫代理IP池(proxy pool)https://github.com/jhao104/proxy_pool/ProxyPoo ...
- ProxyPool 爬虫代理IP池安装与使用(附官方文档)
安装: GitHub上关于ProxyPool的安装[胎教级教学]_FLIF的博客-CSDN博客_proxypool安装第一步:ProxyPool的下载与配置第二步:Redis的下载与配置第三步:验证是 ...
- Linux + ProxyPool 搭建属于爬虫代理IP池
前言: 当爬虫达到一定速度时,大家都会遇到封Ip的情况,而搭建代理ip池是解决的最好方法,网络上有很多优秀的付费代理,但是作为白嫖党的我们又怎么能付钱那,本文将教会大家用一个成熟的开源项目搭建代理池. ...
- python 代理ip池_GitHub - xuan525/proxy_pool: Python爬虫代理IP池(proxy pool)
ProxyPool 爬虫代理IP池 ______ ______ _ | ___ \_ | ___ \ | | | |_/ / \__ __ __ _ __ _ | |_/ /___ ___ | | | ...
- 如何建立爬虫代理ip池
目录 一.为什么需要建立爬虫代理ip池 二.如何建立一个爬虫代理ip池 原文地址:https://www.cnblogs.com/TurboWay/p/8172246.html 一.为什么需要建立爬虫 ...
- python:从零开始教你建立爬虫代理ip池
一.为什么需要建立爬虫代理ip池 在众多的网站防爬措施中,有一种是根据ip的访问频率进行限制的,在某段时间内,当某个ip的访问量达到一定的阀值时,该ip会被拉黑.在一段时间内被禁止访问.这种时候,可以 ...
- 搭建一个自己的百万级爬虫代理ip池.
做爬虫抓取时,我们经常会碰到网站针对IP地址封锁的反爬虫策略.但只要有大量可用的代理IP资源,问题自然迎刃而解. 以前尝试过自己抓取网络上免费代理IP来搭建代理池,可免费IP质量参差不齐,不仅资源少. ...
- Python爬虫-代理ip池建立
代理IP池建立 前言 之前提到过urllib和requests的利用代理ip的访问方式 . https://blog.csdn.net/zhouchen1998/article/details/813 ...
- python通过ip池爬_python 爬虫 代理ip池(适合初学者)
初次学习python爬虫的朋友在频繁访问被爬取页面网站时都会被拦截,也就是限制ip.这里教教大家建立代理ip池. #!/usr/bin/env python3# -*- coding: utf-8 - ...
最新文章
- hdu2041java
- Python网络_TCP/IP简介
- CTFshow php特性 web108
- android后台截屏实现(2)--screencap源码修改
- CSS五种水平居中:text-align margin incline-block flex relative
- [APIO2015]巴厘岛的雕塑[按位贪心+dp]
- 大话数据结构:拓扑排序
- 【渝粤教育】国家开放大学2018年秋季 0688-22T老年精神障碍护理 参考试题
- 迷宫游戏 堆栈实现
- redis集群的搭建详细教程
- matlab中结束脚本运行_matlab学习总结(入门篇)
- π里包含了所有可能的数字组合吗?
- 产生信号的代码10分类
- JavaScript中的点击事件
- html调用本地电脑应用,实现HTML调用打开本地软件文件
- 软件安装管家软件目录
- ABP module-zero +AdminLTE+Bootstrap Table+jQuery权限管理系统第十二节--小结,Bootstrap Table之角色管理
- 如何用计算机制作pop海报,手绘POP海报的制作 -电脑资料
- matlab寻峰算法,求助我这个寻峰算法该怎么提高灵敏度
- 由于高精度事件计时器(HPET)驱动过时导致AMD机器装Win10的卡死蓝屏问题记录