使用代理IP,是数据爬取过程中最常用的反爬手段之一。
有经费的,可以订购代理ip提供商的套餐使用,没有的也不担心,许多网站通常都提供了较多的免费代理来吸引客户。我们可以抓取这些免费的代理,来构建自己的代理IP池。
将代理抓取到本地后,因为免费的时效性都较短,所以需要进行二次校验。这一步,你可以定义一个通用的函数,或者,使用更简洁高效的装饰器
。
校验分两步:
- 正则校验代理ip的格式是否正确
- requests添加代理请求目标网站,检验代理是否有效
实例如下:
from functools import wraps
import re
import requests
#目标网址
CHECK_URL = 'https://www.baidu.com'
#请求头
HEADERS = {
'User-Agent': 'Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11'}
#请求超时设置/秒
TIMEOUT = 5
'''
ip格式检测装饰器
:param ip:代理ip
:param port:代理端口
'''
def check_proxy_format(func):
@wraps(func)
def format_wrapper(*args,**kwargs):
ip,po