python爬取快代理指定页数ip代理

在写论文的过程中因为要爬取大量数据,因此少不了ip代理池,快代理免费ip直接抓取引用代码如下,供大家使用,改变start_page和end_page即可获取指定页面的ip列表。

import requests
from bs4 import BeautifulSoup
import time
import random
import csv

# 生成ua
ua_list = ['Mozilla/5.0 (Windows; U; Windows NT 5.1; hu; rv:1.8.0.11) Gecko/20070312 Firefox/1.5.0.11',
           'Mozilla/5.0 (Macintosh; Int............ecko) Chrome/114.0.0.0 Safari/537.36 Edg/114.0.1823.67',
           'Mozilla/5.0 (Windows NT ............ko) Chrome/100.0.0.0 Safari/537.36']

# http://useragent.kuzhazha.com/PC/  以上UA来源,大家可以自行改变

user_agent = random.choice(ua_list)
"""
   从URL获取多页代理键值对列表

   参数:
       url (str): 要爬取的网页URL
       user_agent (str): User-Agent字符串
       start_page (int): 起始页码
       end_page (int): 结束页码

   返回:
       all_proxies: 包含多页代理键值对的列表,每个元素是一个字典,如 [{"http": "http://14.219.193.217:9797"}, ...]
"""


def get_proxies_from_url(url, user_agent, start_page, end_page):
    all_proxies = []

    for page in range(start_page, end_page + 1):
        try:
            headers = {'User-Agent': user_agent}
            page_url = f"{url}/{page}"
            response = requests.get(page_url, headers=headers)
            response.raise_for_status()
        except requests.exceptions.RequestException as e:
            print(f"请求网页 {page_url} 时发生异常:", e)
            continue

        soup = BeautifulSoup(response.content, 'html.parser')
        td_elements = soup.find_all('td', {'data-title': ['IP', 'PORT']})

        for i in range(0, len(td_elements), 2):
            ip = td_elements[i].text.strip()
            port = td_elements[i + 1].text.strip()
            proxy = {"http": f"http://{ip}:{port}"}
            all_proxies.append(proxy)

        # 添加延迟,避免对服务器造成过多压力
        time.sleep(2)

    return all_proxies


"""
   将代理键值对列表保存为CSV文件

   参数:
       proxies_list: 包含代理键值对的列表,每个元素是一个字典,如 [{"http": "http://14.219.193.217:9797"}, ...]
"""


def save_proxies_to_csv(proxies_list):
    with open("proxy.csv", "w", newline="", encoding="utf-8") as csvfile:
        fieldnames = ["序号", "proxy值"]
        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)

        writer.writeheader()
        for idx, proxy in enumerate(proxies_list, start=1):
            writer.writerow({"序号": idx, "proxy值": list(proxy.items())[0]})


# 示例使用:
base_url = "https://www.kuaidaili.com/free/intr"
start_page = 20
end_page = 30

proxies_list = get_proxies_from_url(base_url, user_agent, start_page, end_page)
print("数据已成功写入proxy.csv文件。")

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
由于大众点评有反爬虫机制,所以直接爬取可能会被封IP,建议使用代理IP和随机User-Agent来进行爬取。以下是一个简单的爬取大众点评店铺信息的代码示例: ```python import requests from bs4 import BeautifulSoup import random import time # 设置请求头,包括User-Agent和Referer headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3', 'Referer': 'http://www.dianping.com/', } # 设置代理IP proxies = { 'http': 'http://127.0.0.1:1080', 'https': 'https://127.0.0.1:1080', } # 设置爬取的城市和分类 city = '上海' category = '美食' # 设置爬取页数 pages = 10 for i in range(1, pages+1): # 构造请求URL url = 'http://www.dianping.com/{0}/{1}/p{2}'.format(city, category, i) # 发送请求 response = requests.get(url, headers=headers, proxies=proxies) # 解析HTML soup = BeautifulSoup(response.text, 'html.parser') # 获取店铺列表 shop_list = soup.find_all('div', {'class': 'txt'}) # 遍历店铺列表,提取店铺信息 for shop in shop_list: # 店名 name = shop.find('div', {'class': 'tit'}).find('a').text.strip() # 评分 rating = shop.find('span', {'class': 'comment-list'}).find('b').text.strip() # 评论数 review_count = shop.find('span', {'class': 'comment-list'}).find_all('a')[1].text.strip() # 人均消费 avg_price = shop.find('span', {'class': 'mean-price'}).text.strip() # 地址 address = shop.find('span', {'class': 'addr'}).text.strip() # 打印店铺信息 print(name, rating, review_count, avg_price, address) # 随机休眠1~3秒,避免被封IP time.sleep(random.randint(1, 3)) ``` 这段代码将爬取上海的美食店铺信息,每页10个,共爬取10页。在遍历店铺列表时,提取了店名、评分、评论数、人均消费和地址。注意,在遍历完每一页之后,随机休眠1~3秒,避免被封IP

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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