数据采集之--换个IP

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。

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。

request中通过ProxyHandler来设置使用代理服务器，代理的使用很简单，可以付费在专业网站上购买稳定的ip地址，也可以在网络上寻求免费的ip代理。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）。
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。
免费短期代理网站举例：
西刺免费代理IP:http://www.xicidaili.com/
快代理免费代理:https://www.kuaidaili.com/free/inha/
全网代理IP:http://www.goubanjia.com/
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。

#引入随机模块
import requests,random
base_url = 'http://langlang2017.com'
#构建代理ip列表，里面一般包含http与HTTPS两种协议的代理ip，为了适应不同的网站，
#该模块会根据所要访问的网站的协议类型自动的选择合适的ip
procxy = [
    {'http':'HTTP://121.52.208.200:808',
    'https':'HTTPS://111.177.106.231:9999'
     },
    {'http':'HTTP://180.119.68.10:9999',
    'https':'HTTPS://123.169.34.240:4366'
    }
]
#随机选择列表中的字典，直到匹配上可以使用的ip
http = random.choice(procxy)
#timeout是超时时间，因为连接某些代理会比较慢，设置超时时间避免等待时间过长
response = requests.get(url=base_url,proxies=http,timeout=20)
contents = response.content.decode('utf-8')
#写入文件，当然这一步可有可无
with open('12306.html','w',encoding='utf-8')as f:
    f.write(contents)

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）。

当然如果出现下面这个情况，不要怀疑代码写错了，而是代理ip不能用，这时候要么换ip要么就是花钱买稳定的ip