python3.4-小爬虫

#coding:UTF-8
__author__ = 'holoto'
from urllib import request#导入包
import re#导入正则表达式
from bs4 import BeautifulSoup#导入包
def user_agent(user):
    a={}
    a["chrome17"]="User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11"
    a["Maxthon"]="User-Agent: Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)"
    a['360']="User-Agent: Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)"
    a["firefox"]='Mozilla/5.0 (X11; Linux x86_64; rv:41.0) Gecko/20100101 Firefox/41.0'
    a["G3_chrome"]='Mozilla/5.0 (Linux; Android 4.4.4; LG G3 Build/KTU84P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/40.0.2214.89 Mobile Safari/537.36'
    a['iphone']='Mozilla/5.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/600.1.4 (KHTML, like Gecko) Version/7.0 Mobile/12A365 Safari/9537.53'
    return a[user]#返回需要的useragent
def add_user_agent(url,useragent):#添加user-agent
    url.add_header('User-Agent',useragent)
def proxy_server(type_):
    proxy_url='http://www.xicidaili.com/wn/'#被爬的网址
    proxy_req=request.Request(proxy_url)
    proxy_useragent=user_agent('G3_chrome')#获取需要的useragent
    add_user_agent(proxy_req,proxy_useragent)#添加useragent
    f=request.urlopen(proxy_req)
    ff=f.read().decode()
    soup=BeautifulSoup(ff,"html5lib")
    proxy_ip=soup.find_all(text=re.compile("\d*\.\d*\.\d*\.\d*"),limit=20)#正则表达式匹配ip address
    proxy_port=soup.find_all(text=re.compile("^\d{2,4}$"),limit=20)#正则表达式匹配port
    proxy_type=soup.find_all(text=re.compile("^HTTPS{0,1}$"),limit=20)#正则表达式匹配协议
    print(proxy_ip)#输出匹配的ip
    print(proxy_port)#输出匹配的端口
    print(proxy_type)#输出匹配的协议版本
proxy_server(1)#函数运行

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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