python 分页爬取数据

#分页数据爬取
import time
import requests
from lxml import etree
from fake_useragent import UserAgent

#请求页面程序
def getPage(url):
    #使用指定url,返回请求的页面
    headers = {
        'User-Agent':'Mozilla / 5.0(Windows NT 10.0; WOW64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 72.0.3626.81 Safari / 537.36 SE 2.X MetaSr 1.0'
    }
    res = requests.get(url= url,headers =headers)
    if res.status_code ==200 :
        print("请求成功")
        return res


#解析页面程序
def parseHTML(html):
    response = html.content.decode("utf-8")
    try:
        res_html = etree.HTML(response)
        ips = res_html.xpath('//table[@id="GridViewOrder"]//tr/td[2]/text()')
        ports = res_html.xpath('//table[@id="GridViewOrder"]//tr/td[3]/text()')
        data = list(zip(ips, ports))
        return data
    except:
        print("错")
        return False



#测试IP是否好用
def testIp(alist):
    ua = UserAgent()

    url = 'http://httpbin.org/get'
    headers = {
        'User-Agent': ua.random
    }
    for i in range(0,len(alist)):
        # 定义代理IP
        proxies = {
            'http': alist[i][0]+':'+alist[i][1],
            'https': alist[i][0]+':'+alist[i][1]
        }

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

            if res.status_code == 200:
                data = res.json()
                print(data)
        except:
            print('请求失败')

#主程序
def main(num):
    #url拼接
    if num==1:
        url = 'http://ip.yqie.com/proxygaoni/index.htm'
    else:
        url = 'http://ip.yqie.com/proxygaoni/index_' + str(num)+'.htm'
    #调用请求页面程序
    html = getPage(url)
    print(url)
    if html:
        print(1010)
        #调用解析HTML的方法
        alist = parseHTML(html)
        print(alist)
        #吧返回的数据,去发请求测试是否好用
        oklist = testIp(alist)
        #把返回的好用的数据写入文件




if __name__ == '__main__':
    for i in range(1,11):
        print('当前正在爬取第',i,'页')
        main(i)
        time.sleep(2)

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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
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

打赏作者

为啥全要学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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