代理的爬取和检测

import requests
from lxml import etree
def get_all_porxy():
    url = 'http://www.xicidaili.com/nn/1'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
    }
    response = requests.get(url,headers=headers)

    html = response.text
    html = etree.HTML(html)

    ip_list = html.xpath('//table[@id="ip_list"]/tr/td[2]/text()')
    d_list = html.xpath('//table[@id="ip_list"]/tr/td[3]/text()')
    # print(ip_list,d_list)
    porxy_list = []
    for i in range(0,len(ip_list)):
        proxy = 'http://' + ip_list[i] + ':' + d_list[i]
        # print(proxy)
        porxy_list.append(proxy)
        # print(porxy_list)
    return porxy_list
# with open('xicidaili.html','wb') as f:
#     f.write(response.content)
def check_all_proxy(porxy_list):
    ip_list = []
    for proxy in porxy_list:
        # print(proxy)

        porxy_dict = {
            'http':proxy
        }
        url = 'http://fanyi.baidu.com/sug'
        try:
            response = requests.get(url,proxies=porxy_dict,timeout=3)
            if response.status_code == 200:
                ip_list.append(proxy)
                print(type(proxy))
                with open('ip.txt', 'a') as f:
                    f.write(proxy+'\n')

            else:
                print('不可用'*20)
        except Exception as e:
            print(e)

    return ip_list

if __name__ == '__main__':
    # 调用函数,赋给变量
    porxy_list = get_all_porxy()
    # 传到检测函数
    ip = check_all_proxy(porxy_list)
  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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