Python爬虫 教程：IP池的使用，2024年最新面试必备

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

一些网站会有相应的反爬虫措施，例如很多网站会检测某一段时间某个IP的访问次数，如果访问频率太快以至于看起来不像正常访客，它可能就会禁止这个IP的访问。所以我们需要设置一些代理IP，每隔一段时间换一个代理IP，就算IP被禁止，依然可以换个IP继续爬取。

代理的分类：

• 正向代理：代理客户端获取数据。正向代理是为了保护客户端防止被追究责任。

• 反向代理：代理服务器提供数据。反向代理是为了保护服务器或负责负载均衡。

免费代理ip提供网站

• http://www.goubanjia.com/

• 西刺代理

• 快代理

匿名度：

• 透明：知道是代理ip，也会知道你的真实ip

• 匿名：知道是代理ip，不会知道你的真实ip

• 高匿：不知道是代理ip，不会知道你的真实ip

类型:

• http:只能请求http开头的url

• https:只能请求https开头的url

示例

import requests

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36’

}

url = ‘https://www.baidu.com/s?wd=ip’

不同的代理IP,代理ip的类型必须和请求url的协议头保持一致

proxy_list = [

{“http”: “112.115.57.20:3128”},

{‘http’: ‘121.41.171.223:3128’}

]

随机获取代理IP

proxy = random.choice(proxy_list)

page_text = requests.get(url=url,headers=headers,proxies=proxy).text

with open(‘ip.html’,‘w’,encoding=‘utf-8’) as fp:

fp.write(page_text)

print(‘over!’)

二、IP池

1、免费IP池

从西刺代理上面爬取IP，迭代测试能否使用，建立一个自己的代理IP池，随时更新用来抓取网站数据

‘’’

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 lxml import etree

import time

import random

from fake_useragent import UserAgent

class GetProxyIP(object):

def init(self):

self.url = ‘https://www.xicidaili.com/nn/’

self.proxies = {

‘http’: ‘http://163.204.247.219:9999’,

‘https’: ‘http://163.204.247.219:9999’}

随机生成User-Agent

def get_random_ua(self):

ua = UserAgent() # 创建User-Agent对象

useragent = ua.random

return useragent

从西刺代理网站上获取随机的代理IP

def get_ip_file(self, url):

headers = {‘User-Agent’: self.get_random_ua()}

html = requests.get(url=url, proxies=self.proxies, headers=headers, timeout=5).content.decode(‘utf-8’, ‘ignore’)

parse_html = etree.HTML(html)

tr_list = parse_html.xpath(‘//tr’) # 基准xpath，匹配每个代理IP的节点对象列表

for tr in tr_list[1:]:

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

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

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！
img.cn/111f5462e7df433b981dc2430bb9ad39.png)

简历模板

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-jud92pXK-1713176141099)]

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！