ProxyHandler代理

1. IP代理简介

1.1 使用代理IP，这是爬虫/反爬虫的第二大招，通常也是最好用的。很多网站会检测某一段时间某个IP的访问次数(通过流量统计，系统日志等)，如果访问次数多的不像正常人，它会禁止这个IP的访问。所以我们可以设置一些代理服务器，每隔一段时间换一个代理，就算IP被禁止，依然可以换个IP继续爬取。

1.2 代理的原理：在请求目的网站之前，先请求代理服务器，然后让代理服务器去请求目的网站，代理服务器拿到目的网站的数据后，再抓发给我们的代码。

1.3 爬虫网站介绍：

（1）http://httpbin.org/：这个网站可以方便的查看http请求的一些参数。

（2）https://www.kuaidaili.com/ops/：快代理可以提供很多免费代理。

1.4 在代码中使用代理的过程（python3）：

（1）使用‘urllib.request.ProxyHandler’,传入一个代理，这个代理是一个字典：字典的key依赖于代理服务器能够接受的类型，一般是‘http’或‘https’；字典的值是‘ip:port’。

（2）使用上一步创建的'handler'，以及‘request.build_opener’创建一个‘opener’。

（3）使用上一步创建的‘opener’，调用‘open’函数，发起请求。

1.5 示例代码如下（python3）：

#--coding:utf-8--#
from urllib import request
url='http://httpbin.org/ip'
#1. 使用ProxyHandler,传入代理构建一个handler
handler=request.ProxyHandler({"http":"223.241.78.43.8010"})
#2. 使用上面创建的hander构建一个opener
opener=request.build_opener(handler)
#3. 用opener去发送一个请求
resp=opener.open(url)
print (resp.read())

1.6 Python2.7代码中的urllib模块与Python3略有不同，示例代码如下（python2.7）：

# --coding:utf-8-- #
import urllib2
# url = 'http://httpbin.org/ip'
url = "https://blog.csdn.net/wetest_tencent/article/details/51272981"
# 1. 使用ProxyHandler,传入代理构建一个handler
handler = urllib2.ProxyHandler({"http": "115.223.225.29"})
# 2. 使用上面创建的handler构建一个opener
opener = urllib2.build_opener(handler)
# 3. 用opener去发送一个请求
request = urllib2.Request(url)
resp = opener.open(request)
print resp.read()

2. ProxyHandler代理器实例1

urllib2中通过ProxyHandler来设置使用代理服务器，下面代码说明如何使用自定义opener来使用代理：

#urllib2_proxy1.py
import urllib2

# 构建了两个代理Handler，一个有代理IP，一个没有代理IP
httpproxy_handler = urllib2.ProxyHandler({"http" : "124.88.67.81:80"})
nullproxy_handler = urllib2.ProxyHandler({})

proxySwitch = True #定义一个代理开关

# 通过 urllib2.build_opener()方法使用这些代理Handler对象，创建自定义opener对象
# 根据代理开关是否打开，使用不同的代理模式
if proxySwitch:  
    opener = urllib2.build_opener(httpproxy_handler)
else:
    opener = urllib2.build_opener(nullproxy_handler)

request = urllib2.Request("http://www.baidu.com/")

# 1. 如果这么写，只有使用opener.open()方法发送请求才使用自定义的代理，而urlopen()则不使用自定义代理。
response = opener.open(request)

# 2. 如果这么写，就是将opener应用到全局，之后所有的，不管是opener.open()还是urlopen() 发送请求，都将使用自定义代理。
# urllib2.install_opener(opener)
# response = urlopen(request)
print response.read()

免费的开放代理获取基本没有成本，我们可以在一些代理网站上收集这些免费代理，测试后如果可以用，就把它收集起来用在爬虫上面。

如果代理IP足够多，就可以像随机获取User-Agent一样，随机选择一个代理去访问网站。

import urllib2
import random

proxy_list = [
    {"http" : "124.88.67.81:80"},
    {"http" : "124.88.67.81:80"},
    {"http" : "124.88.67.81:80"},
    {"http" : "124.88.67.81:80"},
    {"http" : "124.88.67.81:80"}
]

# 随机选择一个代理
proxy = random.choice(proxy_list)
# 使用选择的代理构建代理处理器对象
httpproxy_handler = urllib2.ProxyHandler(proxy)

opener = urllib2.build_opener(httpproxy_handler)

request = urllib2.Request("http://www.baidu.com/")
response = opener.open(request)
print response.read()

但是，这些免费开放代理一般会有很多人都在使用，而且代理有寿命短，速度慢，匿名度不高，HTTP/HTTPS支持不稳定等缺点（免费没好货）。

所以，专业爬虫工程师或爬虫公司会使用高品质的私密代理，这些代理通常需要找专门的代理供应商购买，再通过用户名/密码授权使用（舍不得孩子套不到狼）。

参考1：https://blog.csdn.net/qq_32252917/article/details/79074219