多线程爬取西刺代理上的所有ip代理信息

import requests
import threading
from bs4 import BeautifulSoup
from queue import Queue

def task(queue_1:Queue):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.130 Safari/537.36",
    }
    while True:
        if queue_1.empty():
            break

        url=queue_1.get()
        content=requests.get(url=url,headers=headers)
        content.encoding='utf-8'
        content_1=content.text
        soup=BeautifulSoup(content_1,'lxml')
        ips = soup.select('tr.odd')
        ips_1=[];adress_1=[];time_longth=[];time_1=[];ths=[]
        for i in range(len(ips)):

            ips_1.append(str(ips[i].select('td')[1].get_text())+':'+
                         str(ips[i].select('td')[2].get_text()))
            # 代理ip
            adress_1.append(str(ips[i].select('td a')[0].get_text()))
            # 地址
            time_longth.append(str(ips[i].select('td')[8].get_text()))
            # 存活时间
            time_1.append(str(ips[i].select('td')[9].get_text()))
            # 验证时间
            ths.append(str(ips[i].select('td')[5].get_text()))
            # 类型 https 或http
        for i in range(len(ips_1)):

            with open('.\ips.text','a',encoding='utf-8') as f:
                f.write(ips_1[i]+'\t'+adress_1[i]+'\t'
                        +time_longth[i]+'\t'+time_1[i]+'\t'+ths[i]+'\n')

        print('-----线程%s爬取%s页上的信息'%(threading.current_thread().getName(),url[url.rfind('/')+1:]))


class Ip(object):
    url='https://www.xicidaili.com/nn/%s'
    def __init__(self,num):
        self.num=num
        self.queue_1=Queue(num+100)

    def spider(self):
        for i in range(1,self.num+1):
            url_1=Ip.url%(i)
            self.queue_1.put(url_1)

        threads=[]
        for i in range(self.num):
            t=threading.Thread(target=task,args=(self.queue_1,))
            t.start()
            threads.append(t)

        for i in threads:
            i.join()


if __name__ == '__main__':
    Ips=Ip(3)  #当前只爬取西刺代理上三页的所有数据,改变数值,可以爬取多页
    # 最大数值为4034
    Ips.spider()
    print('-----------子线程已完成',threading.current_thread().getName())

运行结果:
在这里插入图片描述
在同一个文件夹下面找到ips.text文件,所爬取的信息在这个文件里面。
在这里插入图片描述

  • 1
    点赞
  • 1
    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

坚持不懈的大白

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