获得代理ippython_python获取代理IP的实例分享

平时当我们需要爬取一些我们需要的数据时，总是有些网站禁止同一IP重复访问，这时候我们就应该使用代理IP，每次访问前伪装自己，让“敌人”无法察觉。

oooooooooooooooOK，让我们愉快的开始吧！

这个是获取代理ip的文件，我将它们模块化，分为三个函数

注：文中会有些英文注释，是为了写代码方便，毕竟英文一两个单词就ok了

#!/usr/bin/python

#-*- coding:utf-8 -*-

"""

author:dasuda

"""

import urllib2

import re

import socket

import threading

findIP = [] #获取的原始IP数据

IP_data = [] #拼接端口后的IP数据

IP_data_checked = [] #检查可用性后的IP数据

findPORT = [] #IP对应的端口

available_table = [] #可用IP的索引

def getIP(url_target):

patternIP = re.compile(r'(?<=

)[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}')

patternPORT = re.compile(r'(?<=

)[\d]{2,5}(?=)')

print "now,start to refresh proxy IP..."

for page in range(1,4):

url = 'http://www.xicidaili.com/nn/'+str(page)

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64)"}

request = urllib2.Request(url=url, headers=headers)

response = urllib2.urlopen(request)

content = response.read()

findIP = re.findall(patternIP,str(content))

findPORT = re.findall(patternPORT,str(content))

#assemble the ip and port

for i in range(len(findIP)):

findIP[i] = findIP[i] + ":" + findPORT[i]

IP_data.extend(findIP)

print('get page', page)

print "refresh done!!!"

#use multithreading

mul_thread_check(url_target)

return IP_data_checked

def check_one(url_check,i):

#get lock

lock = threading.Lock()

#setting timeout

socket.setdefaulttimeout(8)

try:

ppp = {"http":IP_data[i]}

proxy_support = urllib2.ProxyHandler(ppp)

openercheck = urllib2.build_opener(proxy_support)

urllib2.install_opener(openercheck)

request = urllib2.Request(url_check)

request.add_header('User-Agent',"Mozilla/5.0 (Windows NT 10.0; WOW64)")

html = urllib2.urlopen(request).read()

lock.acquire()

print(IP_data[i],'is OK')

#get available ip index

available_table.append(i)

lock.release()

except Exception as e:

lock.acquire()

print('error')

lock.release()

def mul_thread_check(url_mul_check):

threads = []

for i in range(len(IP_data)):

#creat thread...

thread = threading.Thread(target=check_one, args=[url_mul_check,i,])

threads.append(thread)

thread.start()

print "new thread start",i

for thread in threads:

thread.join()

#get the IP_data_checked[]

for error_cnt in range(len(available_table)):

aseemble_ip = {'http': IP_data[available_table[error_cnt]]}

IP_data_checked.append(aseemble_ip)

print "available proxy ip:",len(available_table)

一、getIP(url_target):主要函数 传入参数是：验证代理IP可用性的网址，推荐ipchina

获取代理IP，从http://www.xicidaili.com/nn/网站获取，它是一个提供免费代理IP的网站，但是里面的IP不是全都能用，而且结合你的实际地理位置、网络情况、访问的目标服务器等情况，能用的大概不到20%，至少我的情况是这样。

访问http://www.xicidaili.com/nn/网站使用正常方式，返回的网页内容通过正则查询获得需要的IP和对应端口，代码如下：

patternIP = re.compile(r'(?<=

)[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}')

patternPORT = re.compile(r'(?<=

)[\d]{2,5}(?=)')

...

findIP = re.findall(patternIP,str(content))

findPORT = re.findall(patternPORT,str(content))

关于如何构造正则表达式，可以参考其他的文章：

获取的IP保存在findIP中，对应的端口在findPORT中，两者按索引对应，获取一页IP正常数量为100.

接下来进行IP和端口拼接

最后进行可用性检查

二、check_one(url_check,i):线程函数

本次访问url_check还是使用正常方式访问，当访问网页有返回时，则说明本代理IP可用，则记录下当前索引值，用于后面将所有可用IP取出。

三、mul_thread_check(url_mul_check):多线程生成

本函数开启多线程检查代理IP可用性，每个IP开启一个线程进行检查。

本工程直接调用getIP(),并传入用于检查可用性的网址，即可返回一个列表，里面是经可用性检查的ip列表，格式为

['ip1:port1','ip2:port2',....]

以上这篇python获取代理IP的实例分享就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。