Python爬虫 教程：IP池的使用，Python面试试题

免费代理ip提供网站

• http://www.goubanjia.com/

• 西刺代理

• 快代理

匿名度：

• 透明：知道是代理ip，也会知道你的真实ip

• 匿名：知道是代理ip，不会知道你的真实ip

• 高匿：不知道是代理ip，不会知道你的真实ip

类型:

• http:只能请求http开头的url

• https:只能请求https开头的url

示例

import requests

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36’

}

url = ‘https://www.baidu.com/s?wd=ip’

不同的代理IP,代理ip的类型必须和请求url的协议头保持一致

proxy_list = [

{“http”: “112.115.57.20:3128”},

{‘http’: ‘121.41.171.223:3128’}

]

随机获取代理IP

proxy = random.choice(proxy_list)

page_text = requests.get(url=url,headers=headers,proxies=proxy).text

with open(‘ip.html’,‘w’,encoding=‘utf-8’) as fp:

fp.write(page_text)

print(‘over!’)

二、IP池

1、免费IP池

从西刺代理上面爬取IP，迭代测试能否使用，建立一个自己的代理IP池，随时更新用来抓取网站数据

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

import requests

from lxml import etree

import time

import random

from fake_useragent import UserAgent

class GetProxyIP(object):

def init(self):

self.url = ‘https://www.xicidaili.com/nn/’

self.proxies = {

‘http’: ‘http://163.204.247.219:9999’,

‘https’: ‘http://163.204.247.219:9999’}

随机生成User-Agent

def get_random_ua(self):

ua = UserAgent() # 创建User-Agent对象

useragent = ua.random

return useragent

从西刺代理网站上获取随机的代理IP

def get_ip_file(self, url):

headers = {‘User-Agent’: self.get_random_ua()}

html = requests.get(url=url, proxies=self.proxies, headers=headers, timeout=5).content.decode(‘utf-8’, ‘ignore’)

parse_html = etree.HTML(html)

tr_list = parse_html.xpath(‘//tr’) # 基准xpath，匹配每个代理IP的节点对象列表

for tr in tr_list[1:]:

ip = tr.xpath(‘./td[2]/text()’)[0]

port = tr.xpath(‘./td[3]/text()’)[0]

self.test_proxy_ip(ip, port) # 测试ip:port是否可用

测试抓取的代理IP是否可用

def test_proxy_ip(self, ip, port):

proxies = {

‘http’: ‘http://{}:{}’.format(ip, port),

‘https’: ‘https://{}:{}’.format(ip, port), }

test_url = ‘http://www.baidu.com/’

try:

res = requests.get(url=test_url, proxies=proxies, timeout=8)

if res.status_code == 200:

print(ip, “:”, port, ‘Success’)

with open(‘proxies.txt’, ‘a’) as f:

f.write(ip + ‘:’ + port + ‘\n’)

except Exception as e:

print(ip, port, ‘Failed’)

def main(self):

for i in range(1, 1001):

url = self.url.format(i)

self.get_ip_file(url)

time.sleep(random.randint(5, 10))

if name == ‘main’:

spider = GetProxyIP()

spider.main()

从IP池中取IP，也就是在爬虫程序中从文件随机获取代理IP

import random

import requests

class BaiduSpider(object):

def init(self):

self.url = ‘http://www.baidu.com/’

self.headers = {‘User-Agent’: ‘Mozilla/5.0’}

self.flag = 1

def get_proxies(self):

with open(‘proxies.txt’, ‘r’) as f:

result = f.readlines() # 读取所有行并返回列表

proxy_ip = random.choice(result)[:-1] # 获取了所有代理IP

L = proxy_ip.split(‘:’)

proxy_ip = {

‘http’: ‘http://{}:{}’.format(L[0], L[1]),

‘https’: ‘https://{}:{}’.format(L[0], L[1])

}

return proxy_ip

def get_html(self):

proxies = self.get_proxies()

if self.flag <= 3:

try:

html = requests.get(url=self.url, proxies=proxies, headers=self.headers, timeout=5).text

print(html)

except Exception as e:

print(‘Retry’)

self.flag += 1

self.get_html()

if name == ‘main’:

spider = BaiduSpider()

spider.get_html()

2.收费代理API

写一个获取收费开放API代理的接口

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。