Python爬虫 教程：IP池的使用(1)，海量数据面试

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

ip = tr.xpath(‘./td[2]/text()’)[0]

port = tr.xpath(‘./td[3]/text()’)[0]

self.test_proxy_ip(ip, port) # 测试ip:port是否可用

测试抓取的代理IP是否可用

def test_proxy_ip(self, ip, port):

proxies = {

‘http’: ‘http://{}:{}’.format(ip, port),

‘https’: ‘https://{}:{}’.format(ip, port), }

test_url = ‘http://www.baidu.com/’

try:

res = requests.get(url=test_url, proxies=proxies, timeout=8)

if res.status_code == 200:

print(ip, “:”, port, ‘Success’)

with open(‘proxies.txt’, ‘a’) as f:

f.write(ip + ‘:’ + port + ‘\n’)

except Exception as e:

print(ip, port, ‘Failed’)

def main(self):

for i in range(1, 1001):

url = self.url.format(i)

self.get_ip_file(url)

time.sleep(random.randint(5, 10))

if name == ‘main’:

spider = GetProxyIP()

spider.main()

从IP池中取IP，也就是在爬虫程序中从文件随机获取代理IP

import random

import requests

class BaiduSpider(object):

def init(self):

self.url = ‘http://www.baidu.com/’

self.headers = {‘User-Agent’: ‘Mozilla/5.0’}

self.flag = 1

def get_proxies(self):

with open(‘proxies.txt’, ‘r’) as f:

result = f.readlines() # 读取所有行并返回列表

proxy_ip = random.choice(result)[:-1] # 获取了所有代理IP

L = proxy_ip.split(‘:’)

proxy_ip = {

‘http’: ‘http://{}:{}’.format(L[0], L[1]),

‘https’: ‘https://{}:{}’.format(L[0], L[1])

}

return proxy_ip

def get_html(self):

proxies = self.get_proxies()

if self.flag <= 3:

try:

html = requests.get(url=self.url, proxies=proxies, headers=self.headers, timeout=5).text

print(html)

except Exception as e:

print(‘Retry’)

self.flag += 1

self.get_html()

if name == ‘main’:

spider = BaiduSpider()

spider.get_html()

2.收费代理API

写一个获取收费开放API代理的接口

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

import requests

from fake_useragent import UserAgent

ua = UserAgent() # 创建User-Agent对象

useragent = ua.random

headers = {‘User-Agent’: useragent}

def ip_test(ip):

url = ‘http://www.baidu.com/’

ip_port = ip.split(‘:’)

proxies = {

‘http’: ‘http://{}:{}’.format(ip_port[0], ip_port[1]),

‘https’: ‘https://{}:{}’.format(ip_port[0], ip_port[1]),

}

res = requests.get(url=url, headers=headers, proxies=proxies, timeout=5)

if res.status_code == 200:

return True

else:

return False

提取代理IP

def get_ip_list():

快代理：https://www.kuaidaili.com/doc/product/dps/

api_url = ‘http://dev.kdlapi.com/api/getproxy/?orderid=946562662041898&num=100&protocol=1&method=2&an_an=1&an_ha=1&sep=2’

html = requests.get(api_url).content.decode(‘utf-8’, ‘ignore’)

ip_port_list = html.split(‘\n’)

for ip in ip_port_list:

with open(‘proxy_ip.txt’, ‘a’) as f:

if ip_test(ip):

f.write(ip + ‘\n’)

if name == ‘main’:

get_ip_list()

3.私密代理

1、语法结构

用户名和密码会在给API_URL的时候给。不是自己的账号和账号密码。

proxies = {

‘协议’:‘协议://用户名:密码@IP:端口号’

}

proxies = {

‘http’:‘http://用户名:密码@IP:端口号’,

‘https’:‘https://用户名:密码@IP:端口号’

}

proxies = {

‘http’: ‘http://309435365:szayclhp@106.75.71.140:16816’,

‘https’:‘https://309435365:szayclhp@106.75.71.140:16816’,

}

获取开放代理的接口

import requests

from fake_useragent import UserAgent

ua = UserAgent() # 创建User-Agent对象

useragent = ua.random

headers = {‘User-Agent’: useragent}

def ip_test(ip):

url = ‘https://blog.csdn.net/qq_34218078/article/details/90901602/’

ip_port = ip.split(‘:’)

proxies = {

‘http’: ‘http://1786088386:b95djiha@{}:{}’.format(ip_port[0], ip_port[1]),

‘https’: ‘http://1786088386:b95djiha@{}:{}’.format(ip_port[0], ip_port[1]),

}

res = requests.get(url=url, headers=headers, proxies=proxies, timeout=5)

if res.status_code == 200:

print(“OK”)

return True

else:

print(res.status_code)

print(“错误”)

return False

提取代理IP

def get_ip_list():

快代理：https://www.kuaidaili.com/doc/product/dps/

api_url = ‘http://dps.kdlapi.com/api/getdps/?orderid=986603271748760&num=1000&signature=z4a5b2rpt062iejd6h7wvox16si0f7ct&pt=1&sep=2’

html = requests.get(api_url).content.decode(‘utf-8’, ‘ignore’)

ip_port_list = html.split(‘\n’)

for ip in ip_port_list:

with open(‘proxy_ip.txt’, ‘a’) as f:

if ip_test(ip):

f.write(ip + ‘\n’)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
(‘\n’)

for ip in ip_port_list:

with open(‘proxy_ip.txt’, ‘a’) as f:

if ip_test(ip):

f.write(ip + ‘\n’)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-giv8qDUQ-1713176116584)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！