Python爬虫代理IP[2(代理池)]

搭建自己的代理IP池

爬取代理IP网站的代理IP,并测试是否能用,建立自己的代理IP池

url

kuaidaili.com/free/

要求

将可用代理IP保存到本地文件中

如何测试

可用代理IP向测试网站请求,根据HTTP响应来判断是否可用

导入库

import requests,time,random
from lxml import etree

因为一行一个来导入有点慢,可以直接在库后面加上一个来隔开库

前面的一些请求信息

class Prouxychi:
    def __init__(self):
        self.url = 'https://www.kuaidaili.com/free/inha/{}'
        self.test_url = 'https://www.baidu.com/'
        self.headers = {'User-Agent': 'wqeqqeqw'}

数据解析->提取

    def get_proxy(self,url):
        html = requests.get(url=url, headers=self.headers).text
        p = etree.HTML(html)
        tr_list = p.xpath('//*[@id="list"]//tbody/tr')
        for tr in tr_list[1:]:
            ip = tr.xpath('./tr[2]/text()')[0].strip()
            port = tr.xpath('./td[3]/text()')[0].strip()

测试

            # 测试是否可用
        self.test_proxy(ip, port)

    def test_proxy(self, ip, port):
        proxies = {

            'http': 'http://{}:{}'.format(ip,port),
                'https': 'https://{}:{}'.format(ip,port)
        }
        try:
            res = requests.get(url=self.test_url, proxies=proxies, headers=self.headers)
            if res.status_code == 200:
                print(ip,port,'\033[31m可用\33[0m')
             
        except Exception as e:
            print(ip,port,'不可用')
    def run(self):
        for i in range(1, 1001):
            url = self.url.format(i)
            self.get_proxy(url=url)

保存

# 保存IP
                with open('proxy.txt', 'a') as f:
                    f.write(ip + ':' + port + '\n')

全部代码

import requests,time,random
from lxml import etree
class Prouxychi:
    def __init__(self):
        self.url = 'https://www.kuaidaili.com/free/inha/{}'
        self.test_url = 'https://www.baidu.com/'
        self.headers = {'User-Agent': 'wqeqqeqw'}

    def get_proxy(self,url):
        html = requests.get(url=url, headers=self.headers).text
        p = etree.HTML(html)
        tr_list = p.xpath('//*[@id="list"]//tbody/tr')
        for tr in tr_list[1:]:
            ip = tr.xpath('./tr[2]/text()')[0].strip()
            port = tr.xpath('./td[3]/text()')[0].strip()
            # 测试是否可用
        self.test_proxy(ip, port)

    def test_proxy(self, ip, port):
        proxies = {

            'http': 'http://{}:{}'.format(ip,port),
                'https': 'https://{}:{}'.format(ip,port)
        }
        try:
            res = requests.get(url=self.test_url, proxies=proxies, headers=self.headers)
            if res.status_code == 200:
                print(ip,port,'\033[31m可用\33[0m')
                # 保存IP
                with open('proxy.txt', 'a') as f:
                    f.write(ip + ':' + port + '\n')
        except Exception as e:
            print(ip,port,'不可用')

    def run(self):
        for i in range(1, 1001):
            url = self.url.format(i)
            self.get_proxy(url=url)

if __name__ == '__main__':
    spider = Prouxychi()
    spider.run()





  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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