ip代理

流程:

  • 爬取多页HTTPS代理ip
  • 挨个校验后返回可用ip

实现:

# -*- coding:utf-8 -*-
import requests
from requests.exceptions import ProxyError
from selenium import webdriver


def is_work(ip):
    proxy_dict = {
        'https': ip,
    }
    try:
        r = requests.get('https://www.baidu.com/', proxies=proxy_dict)
        if 'STATUS OK' in r.text:
            return True
    except ProxyError:
        return False


def freeProxyFourth(page_count=1):
    """
    参考 https://github.com/jhao104/proxy_pool/blob/master/ProxyGetter/getFreeProxy.py
    :param page_count: 爬取多少页
    :return: 可用HTTPS ip代理列表
    """
    url = 'http://www.xicidaili.com/nn/'
    driver = webdriver.PhantomJS('path_to_phantomjs') 
    proxy_ip_list = []
    for i in range(1, page_count + 1):
        url_page = url + str(i)
        driver.get(url_page)
        proxy_list = driver.find_elements_by_xpath('.//table[@id="ip_list"]//tr[position()>1]')
        for proxy in proxy_list:
            try:
                if 'HTTPS' not in proxy.text:
                    continue
                proxy_ip_list.append(':'.join(proxy.text.split(' ')[0:2]))
            except Exception as e:
                pass
    driver.quit()
    
    proxy_ip_list_filted = list(filter(is_work, proxy_ip_list))
    print('筛选前:%s,筛选后:%s' % (len(proxy_ip_list), len(proxy_ip_list_filted)))
    print(proxy_ip_list_filted)
    return proxy_ip_list_filted


if __name__ == '__main__':
    print(freeProxyFourth(page_count=1))

参考:
透明代理、匿名代理、混淆代理、高匿代理有什么区别?
jhao104/proxy_pool

评论
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