搭建代理ip池

在使用爬虫时，很容易碰到被封ip的情况。遇到这种情况，就需要使用代理ip了。

思路：

1：爬取提供代理ip的网站

2：检测爬取到的ip是否可用

3：将可用的ip存入数据库（同时检测数据库中是否已存在该ip）

4：调用接口，从数据库中获取ip（同时检查数据库ip的数量，若数量小于5条，就重复以上步骤）

5：若获取到的ip不可用，则重新获取，并将不可用的ip从数据库中删除

实现：

1：爬取提供代理ip的网站

class  ProiexsPool:
    @staticmethod
    def _get_proiexs():
        # 存放所有ip的列表
        ips = [];
        # 首先爬取代理ip的网站（只爬取前两页）
        for i in range(1,3):
            html = requests.get("https://www.kuaidaili.com/free/inha/"+str(i)+"/",headers={
                "User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:52.0) Gecko/20100101 Firefox/52.0"
            }).text;
            # 取出ip和协议类型
            html_tree = etree.HTML(html);
            tr_ips = html_tree.xpath("//tbody/tr");
            # print(tr_ips);
            for index,tr in enumerate(tr_ips):
                xieyi = tr.xpath("//td[4]/text()")[index];
                ip = tr.xpath("//td[1]/text()")[index]+":"+tr.xpath("//td[2]/text()")[index];
                # print(type(ip));
                # port = ;
                full_ip = {xieyi : ip};
                # 测试ip是否可用
                if ProiexsPool._check_ip(full_ip):
                    # 查看数据库中是否存在该组ip
                    if ProiexsPool._select_ip_from_database(ip):
                        # 将所有可用的ip存入数据库
                        ProiexsPool._save_ip_to_database(xieyi,ip);
            if i == 2:
                break;
            else:
                time.sleep(5);

2：检测爬取到的ip是否可用

 @staticmethod
    def _check_ip(ip):
        """
        检查ip是否可用的方法
        :param ip:要检查的ip
        :return: True或者False
        """
        try:
            # print("正在检查ip：{}".format(ip));
            html = requests.get("http://bj.58.com/chuzu/?PGTID=0d100000-0000-15df-5f6f-34fb3bfd7994&ClickID=3",headers={
                "User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:52.0) Gecko/20100101 Firefox/52.0"
            },proxies=ip,timeout = 3);
        except Exception as e:
            print(e);
            return False;
        else:
            if html.status_code == 200:
                return True;
            else:
                return False;

3：检测数据库中是否存在该组ip

@staticmethod
    def _select_ip_from_database(ip):
        """
        根据传入的ip查询，看数据库中是否有该ip，决定是否保存该ip
        :param ip: 要查询的ip
        :return: True或False
        """
        try:
            conn = sqlite3.connect("ProxiesPool.db");
            cursor = conn.cursor();
            cursor.execute("create table if not exists proxies(xieyi varchar,ip varchar)");
            count = cursor.execute("select count(ip) from proxies where ip = '{}'".format(ip));
            # print(count);
            if not count.__next__()[0]:
                return True;
            else:
                return False;
        except Exception as e:
            print(e);
        finally:
            conn.commit();
            cursor.close();
            conn.close();

4：若数据库中不存在某组ip，就将该ip存入数据库

 @staticmethod
    def _save_ip_to_database(xieyi,ip):
        """
        将ip存入数据库
        :param xieyi: 代理ip的协议（https，http，socket等）
        :param ip: 一个ip代理（字典类型）
        :return: None
        """
        conn = sqlite3.connect("ProxiesPool.db");
        cursor = conn.cursor();
        cursor.execute("create table if not exists proxies(xieyi varchar,ip varchar)");
        cursor.execute("insert into proxies(xieyi ,ip) values ('{}','{}')".format(xieyi,ip));
        conn.commit();
        cursor.close();
        conn.close();

5：从数据库中随机获得一个代理ip供用户使用

@staticmethod
    def _get_random_ip():
        """
        随机获得一个ip，并检测数据库的ip数量
        :return: None
        """
        conn = sqlite3.connect("ProxiesPool.db");
        cursor = conn.cursor();
        cursor.execute("create table if not exists proxies(xieyi varchar,ip varchar)");
        counts = cursor.execute("select count(*) from proxies")
        if counts.__next__()[0] < 5:
            # 如果数据库里的ip数量小于5个，则往数据库中重新填入数据
            ProiexsPool._get_proiexs();
        # 获得数据库中所有Ip
        proxies = cursor.execute("select * from proxies");
        ips = [];
        for xieyi,ip in proxies:
            ips.append({xieyi : xieyi.lower()+"://"+ip});
        conn.commit();
        cursor.close();
        conn.close();
        return random.choice(ips);

6：若从数据库中随机获取到的ip不能使用，则将其从数据库中删除

@staticmethod
    def _delete_ip_from_db(ip):
        """
        根据传入的ip删除失效的ip数据
        :param ip: 要删除的ip
        :return: None
        """
        conn = sqlite3.connect("ProxiesPool.db");
        cursor = conn.cursor();
        cursor.execute("create table if not exists proxies(xieyi varchar,ip varchar)");
        cursor.execute("delete from proxies where ip = '{}'".format(ip));
        conn.commit();
        cursor.close();
        conn.close();
        print("成功删除失效代理ip：{}.....".format(ip));

完整的代码可参考我的GitHub：https://github.com/shyorange/CommonlyUsedToolsProjects/blob/master/Proiexs_Pool.py

使用方法：

from Proiexs_Pool import ProiexsPool

pool = ProiexsPool();
pool._get_proiexs();
ip = pool._get_random_ip()
print(ip);