scrapy中设置IP代理池(自定义IP代理池)

首先主要的就是你应该对scrapy目录结构,有一个相对清晰的认识,至少有过一个demo

一、手动更新IP池

1.在settings配置文件中新增IP池:

IPPOOL=[
    {"ipaddr":"61.129.70.131:8080"},
    {"ipaddr":"61.152.81.193:9100"},
    {"ipaddr":"120.204.85.29:3128"},
    {"ipaddr":"219.228.126.86:8123"},
    {"ipaddr":"61.152.81.193:9100"},
    {"ipaddr":"218.82.33.225:53853"},
    {"ipaddr":"223.167.190.17:42789"}
]

2.修改中间件文件middlewares.py

import random
from scrapy import signals
from myproxies.settings import IPPOOL

class MyproxiesSpiderMiddleware(object):

      def __init__(self,ip=''):
          self.ip=ip
       
      def process_request(self, request, spider):
          thisip=random.choice(IPPOOL)
          print("this is ip:"+thisip["ipaddr"])
          request.meta["proxy"]="http://"+thisip["ipaddr"]

3.在settings中设置DOWNLOADER_MIDDLEWARES

DOWNLOADER_MIDDLEWARES = {
#    'myproxies.middlewares.MyCustomDownloaderMiddleware': 543,
     'scrapy.contrib.downloadermiddleware.httpproxy.HttpProxyMiddleware':543,
     'myproxies.middlewares.MyproxiesSpiderMiddleware':125
}

 

  • 0
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Scrapy,使用代理IP主要是为了匿名爬取、防止被目标网站封禁或提高抓取速度,特别是在处理反爬虫策略较为严格的网站时。以下是设置Scrapy代理IP的基本步骤: 1. **安装必要库**: 首先,确保已经安装了`Scrapy`和`Scrapy-Splash`(如果要使用 Splash 进行渲染),以及一个代理服务,如`rotating_proxies`、`Scrapy-ProxyMiddleware`等。 ```shell pip install scrapy pip install scrapy-splash pip install rotating-proxies ``` 2. **配置Scrapy项目**: 在Scrapy项目的`settings.py`文件,添加以下配置: - 为间件启用代理: ```python SPIDER_MIDDLEWARES = { 'rotating_proxies.middlewares.RotatingProxyMiddleware': 610, # 或者使用其他代理间件 } DOWNLOADER_MIDDLEWARES = { 'rotating_proxies.middlewares.RotatingProxyMiddleware': 610, # 配置下载器间件 # ... } ``` - 设置代理服务器信息(例如使用`rotating_proxies`): ```python PROXY_LIST_FILE = 'path/to/your/proxy_list.txt' # 代理IP列表文件路径 PROXY_POOL_SIZE = 10 # 代理大小 ``` 3. **提供代理IP列表**: 创建一个文本文件,如上面的`proxy_list.txt`,包含可用的代理IP,每行一个IP地址,比如`http://ip:port`。 4. **使用代理**: 在Scrapy Spider,你可以通过`download_delay`参数来控制每次请求之间的延迟,避免短时间内发送过多请求: ```python def start_requests(self): for url in self.start_urls: yield SplashRequest( url=url, callback=self.parse, endpoint='render.html', args={'wait': 0.5}, proxy=RotatingProxyMiddleware.get_proxy(), # 获取下一个代理IP download_timeout=30, # 下载超时时间 ) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值