Python 爬虫之使用代理ip

最新推荐文章于 2024-04-10 09:06:52 发布

Jruing

最新推荐文章于 2024-04-10 09:06:52 发布

阅读量1k

点赞数 1

分类专栏： Python 文章标签：爬虫 python

本文链接：https://blog.csdn.net/Scar957/article/details/78987268

版权

Python 专栏收录该内容

11 篇文章 0 订阅

订阅专栏

本文探讨了在Python爬虫过程中遇到的IP被目标网站封禁的问题。提出了两种解决方案：一是通过time.sleep降低访问速度以减少被封几率；二是采用代理IP，特别是西刺代理提供的IP，以提高爬虫效率并规避封禁风险。

摘要由CSDN通过智能技术生成

我们在爬取数据的时候有可能会出现爬到一半就不动了，有可能是因为目标网站封了你的ip，因为程序的运行是非常快的，人为的访问速度没有那么快，所以会被封，所谓道高一尺魔高一丈，我们可以有多种方法可以避免这种问题

第一种：

降低访问速度，我们可以使用time模块中的sleep，使程序每运行一次后就睡眠1s，这样的话就可以大大的减少ip被封的几率

第二种：

为了提高效率，我们可以使用代理ip来解决，ip是西刺代理的ip，代码我贴出来

# encoding: utf-8
import requests
import json

from lxml import etree

def get_page(url):
    head ={
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:52.0) Gecko/20100101 Firefox/52.0"
    }
    response = requests.get(url=url, headers=head).text
    # print(response)
    html = etree.HTML(response)
    return parse(html)

def paging():
    ip_dict = {}
    for page in range(1, 11):
        url = "http://www.xicidaili.com/nn/{}".format(page)
        ip_dict[page] = get_page(url)
    data = json.dumps(ip_dict)
    with open('ip.json', 'a+') as f:
        f.write(data)

def parse(html):
    list_ip = []
    contents = html.xpath("//table[@id='ip_list']/tr[position()>1]")
    for content in contents:
        ip = content.xpath("./td[2]/text()")[0]
        port = content.xpath("./td[3]/text()")[0]
        mold = content.xpath("./td[6]/text()")[0]
        # print(ip, port, mold)
        list_ip.append(mold.lower()+':'+ip+":"+port)
    return list_ip


if __name__ == '__main__':
    paging()

复制以上的代码保存为*.py文件就可以了，保存完之后运行，可以使用这个网站测试我们访问网站的ip：测试ip