1:代理的设置
1 . 获取代理
- 免费代理:http://www.xicidaili.com/
- 免费代理大多数情况下都是不好用的,推荐使用付费代理。
- 免费代理:http://31f.cn/
- 在本机上安装一部代理软件,他会子啊本地9743端口上创建HTTP代理服务,即代理为127.0.0.0:9743
- 还可以在9724端口创建SOCKS代理服务,即代理服务为127.0.0.1:9742,只要设置了这个代理,就可以成功将本机IP切换待代理软件连接服务器的IP了
- 设置代理后测试的网址:http://httpbin.org/get,其中origin字段就是客户端的IP,可以根据这个判断是否成功伪装了IP。
2 . urllib
- 以最基础的urllib为例,来看一下代理的设置方法。示例代码如下:
from urllib.error import URLError
from urllib.request import ProxyHandler,build_opener
#如出现10061错误,先检查代理是否可用
proxy = '210.72.14.142:80'
#借助ProxyHandler设置代理,参数是字典类型,键名为协议类型,键值是代理,下面的代理前面需要加上http或者https
proxy_handler = ProxyHandler({
'http':'http://' + proxy,
'https':'https//' + proxy
})
#利用 build_opener方法传入该对象来创建一个Opener,
#这样就相比于此Opener已经设置好代理,接下来直接调用Opener对象的open()方法,即可访问我们想要的代理
opener = build_opener(proxy_handler)
try:
response = opener.open('http://httpbin.org/get')
print(response.read().decode('utf-8'))
except URLError as e:
print(e.reason)
- 运行结果如下:
{
"args": {},
"headers": {
"Accept-Encoding": "identity",
"Connection": "close",
"Host": "httpbin.org",
"User-Agent": "Python-urllib/3.6"
},
"origin": "210.72.14.142",
"url": "http://httpbin.org/get"
}
3. requests
- 对于requests来说,代理设置更加简单。只需要传入proxies参数即可,以上例代码为例,requests的代理设置如下:
import requests
proxy = '210.72.14.142:80'
proxies = {
'http':'http://'+proxy,
'https':'https://'+proxy, #这里必须加上逗号,不然会报错
}
try:
response = requests.get('http://httpbin.org/get',proxies = proxies)
print(response.text)
except requests.exceptions.ConnectionError as e:
print('error',e.args)
- 这里需要在浏览器的代理设置里面的局域网设置,改为自动检测设置,才不会报 “ [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应,连接尝试失败。” 错误
{
"args": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Connection": "close",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.19.0"
},
"origin": "210.72.14.142",
"url": "http://httpbin.org/get"
}
4. Selenium
- Selenium设置代理的方式主要有两种,一种为有界面浏览器,以Chrome为例:一种为无界面浏览器,以PhantomJS为例
Chrome
对于Chrome来说,用Selenium设置代理的方法,代码如下:
from selenium import webdriver
proxy = '210.72.14.142:80'
chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('--proxy-server=http://'+proxy)
browser = webdriver.Chrome(chrome_options=chrome_options)
browser.get('http://httpbin.org/get')
- 上例中,我们通过ChromeOptions来设置代理,在创建Chrome对象的时候用chrome_options参数传递即可
- 运行代码之后便会弹出一个chrome浏览器,页面连接结果如下:
{
"args": {},
"headers": {
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8",
"Accept-Encoding": "gzip, deflate",
"Accept-Language": "zh-CN,zh;q=0.9",
"Connection": "close",
"Host": "httpbin.org",
"Upgrade-Insecure-Requests": "1",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.92 Safari/537.36"
},
"origin": "210.72.14.142",
"url": "http://httpbin.org/get"
}
- 上例中,代码设置成功,origin同样为代理IP的地址。
PhtantomJS
- 对于PhtantomJS来说,代理设置方法可以借助service_args参数,也就是命令行参数,代码如下:
from selenium import webdriver
service_args = [
'--proxy=210.72.14.142:80',
'--proxy-type=http'
]
browser = webdriver.PhantomJS(service_args=service_args)
browser.get('http://httpbin.org/get')
print(browser.page_source)
- 运行结果的origin同样为代理的IP
- 如需认证,那么只需要在service_args里面加入–proxies-auth选项,参数改动如下
service = [
'--proxies=210.72.14.142:80',
'--proxy-type=http'
'--proxies-auth = username:password
- 其中username和password替换为认证需要的用户名和密码即可。
5. 小结
- 前面介绍了请求库的代理设置方法,后面将使用这些方法来搭建代理池和爬取网站。