代理ip

>

换ip软件

>

http代理

>

ip代理

您的位置:首页 > 新闻资讯 > 文章内容
详解python使用ip代理抓取网页
来源: 作者:admin 时间:2019-11-06 16:05:46

  当我们抓取网站的一个信息的时候,如果我们访问的时段非常的频繁,很大可能会被被访问的网站检测到从而进行屏蔽,解决这个问题的方法之一就使用代理IP,在我们接入因特网上网的时候,我们的电脑会被分配一个IP,提供给我们试用,而当我们频繁访问一个网站时,该网站也正是因为发现同一个ip地址访问多次而进行屏蔽的,这个时候更换IP地址访问是最好的解决方式,多个ip地址进行随机地轮流访问,减少被该网站检测到的概率。这时候如果我们再使用多个不同的headers,这时候就有多个ip+主机的组合,访问时被发现的概率又进一步减小了。


详解python使用ip代理抓取网页


  关于代码中ip代理的使用,下面介绍一下:


  步骤:


  1、urllib2库中的ProxyHandler类,通过此类可以使用ip代理访问网页


  proxy_support=urllib2.ProxyHandler({}),其中参数是一个字典{‘类型':'代理ip:端口号'}


  2、定制、创建一个opener


  opener=urllib2.build_opener(proxy_support)


  3、(1)安装opener


  urlib2.install_opener(opener)


  (2)调用默认的opener


  opener.open(url)


  对于没有设置反爬虫机制的网站,我们只需要直接像上面引入ProxyHandler类进行处理,下面以访问csdn主页为例:


  import urllib


  url="http://www.csdn.net/"


  for i in range(0,10000):


  html=urllib.urlopen(url)


  print html.info()


  print i


  当使用上述代码时,当循环到20时,就会出现下面的错误


  Traceback(most recent call last):


  File"C:/Users/lenovo/PycharmProjects/untitled1/jt2/__init__.py",line 19,in<module>


  html=urllib.urlopen(url)


  File"C:\Python27\lib\urllib.py",line 87,in urlopen


  return opener.open(url)


  File"C:\Python27\lib\urllib.py",line 213,in open


  return getattr(self,name)(url)


  File"C:\Python27\lib\urllib.py",line 350,in open_http


  h.endheaders(data)


  File"C:\Python27\lib\httplib.py",line 997,in endheaders


  self._send_output(message_body)


  File"C:\Python27\lib\httplib.py",line 850,in _send_output


  self.send(msg)


  File"C:\Python27\lib\httplib.py",line 812,in send


  self.connect()


  File"C:\Python27\lib\httplib.py",line 793,in connect


  self.timeout,self.source_address)


  File"C:\Python27\lib\socket.py",line 571,in create_connection


  raise err


  IOError:[Errno socket error][Errno 10060]


  这就是因为我们使用了计算机的单一ip进行频繁访问而被检测出来的。


  下面是使用了ip代理的代码:


  import urllib2


  import random


  def getHtml(url,proxies):


  random_proxy=random.choice(proxies)


  proxy_support=urllib2.ProxyHandler({"http":random_proxy})


  opener=urllib2.build_opener(proxy_support)


  urllib2.install_opener(opener)


  html=urllib2.urlopen(url)


  return html


  url="http://www.csdn.net/"


  proxies=["101.53.101.172:9999","171.117.93.229:8118","119.251.60.37:21387","58.246.194.70:8080"


  "115.173.218.224:9797","110.77.0.70:80"]


  for i in range(0,10000):


  try:


  html=getHtml(url,proxies)


  print html.info()#打印网页的头部信息,只是为了展示访问到了网页,可以自己修改成想显示的内容


  print i


  except:


  print"出现故障"


  这个代码我测试是在1096次时被检测到了,要知道我的列表中只有6个ip,如果我们增加ip的个数,那么被发现的概率是不是又会更低了。对于上面的例子中的ip代理,有可能在过了一段时间后便不能用了,这个需要自己到网上搜索最新的ip代理,进行替换。还有程序中的异常处理是为了使程序能够处理ip代码访问时出现问题的情况,因为有些ip代理在访问的时候会出现故障的,这样做了可以使程序更加健壮。


  对于有反爬虫机制的网页,下面还是以访问csdn中的博客为例:


  #coding:utf-8


  import urllib2


  import random


  def get_html(url,headers,proxies):


  random_userAget=random.choice(headers)


  random_proxy=random.choice(proxies)


  #下面是模拟浏览器进行访问


  req=urllib2.Request(url)


  req.add_header("User-Agent",random_userAget)


  req.add_header("GET",url)


  req.add_header("Host","blog.csdn.net")


  req.add_header("Referer","http://blog.csdn.net/?&page=6")


  #下面是使用ip代理进行访问


  proxy_support=urllib2.ProxyHandler({"http":random_proxy})


  opener=urllib2.build_opener(proxy_support)


  urllib2.install_opener(opener)


  html=urllib2.urlopen(req)


  return html


  url="http://blog.csdn.net/?&page=3"


  """


  使用多个主机中的user_agent信息组成一个列表,当然这里面的user_agent都是残缺的,大家使用时可以自己找


  身边的小伙伴借呦


  """


  user_agents=[


  "Mozilla/5.0(Windows NT 6.3;WOW64)AppleWe。。。hrome/45.0.2454.101 Safari/537.36",


  "Mozilla/5.0(Windows NT 6.1)AppleWebKit/537.。。。。likeGecko)Chrome/45.0.2454.101Safari/537.36",


  "Mozilla/5.0(Windows NT 10.0;WOW64)AppleWebKit。。。。。Gecko)Chrome/50.0.2661.102 Safari/537.36",


  "Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.3。。。。ML,like Gecko)Chrome/49.0.2623.112 Safari/537.36",


  "User-Agent:Mozilla/5.0(Windows NT 10.0;Win64;x64)。。。WebKit/537.36(KHTML,like Gecko)Chrome/46.0.2486.0 Safari/537.36 Edge/13.10586",


  "User-Agent:Mozilla/5.0(Windows NT 10.0)AppleWebKi。。。。。36(KHTML,like Gecko)Chrome/46.0.2486.0 Safari/537.36 Edge/13.10586",


  "Mozilla/5.0(Windows NT 10.0;WOW64)Apple。。。。。KHTML,like Gecko)Chrome/50.0.2661.94 Safari/537.36"


  ]


  #网上的ip有可能是不能用的,需要多做尝试


  myproxies=["220.189.249.80:80","124.248.32.43:80"]


  html=get_html(url,user_agents,myproxies)


  print html.read()


相关文章内容简介
推荐阅读
  • 05 2019-11
    反向代理服务器的工作原理

    反向代理服务器​的工作原理是什么呢?反向代理(Reverse Proxy)方式是指以代理服务器来接受Internet上的连接请求,然后将请求转发给内部网络上的服务器;并将从服务器上得到的结果返回给Int

  • 29 2020-05
  • 10 2020-09
  • 18 2020-02
    高质量代理服务器哪里有

    代理服务器的功能能够帮助网络营销人员、网络爬虫工作者,所以,自从互联网发展起来,行业的使用者变得更多之后,我们想要选择到合适代理IP,要好好分辨一番。

  • 15 2019-10
    python爬虫IP被封,可以用代理IP

    当今互联网,你所看见的数据,均来自爬虫和反爬虫互相博弈拼杀的结果,这是一场没有硝烟的战争,异常激烈。封禁IP地址是最常见最简单的反爬虫手段,今天我们主要研究下如果遇到IP被封

  • 04 2019-06
    国内ip代理工具哪个比较合适

    我们每天工作必不可少的计算机,就像我们每个人都有身份证一样,每一台计算机都有唯一的ip地址。这个地址的作用是确定这台计算机的位置。当动态拨号vps用于拨号网络时,每个动态ip地址