docker+scrapy-splash+代理池的方法

docker+scrapy-splash+代理池的方法

看了很多网站都没有把这种方法说透,自己摸索了一天,终于明白了如何在docker环境下对scrapy-splash搭代理池。

根据scrapy官方文档对挂代理的描述 ,应该在本地创建这样一个文件夹my-proxy-profiles-dir,然后在该文件夹内放上你的代理文件,如果是代理池 那就多个文件。

docker run -p 8050:8050 \
      -v <my-proxy-profiles-dir>:/etc/splash/proxy-profiles \
      scrapinghub/splash

例如 ,我在桌面创建了一个叫proxy的文件夹,里面有proxy1,proxy2…proxy10等,那么上面的命令就应该是

docker run -p 8050:8050 \
      -v <C:\Users\hhh\Desktop\proxy>:/etc/splash/proxy-profiles \
      scrapinghub/splash

然后proxy的格式应该是下面的,host,prot就是你买的代理的ip和端口,下面就是账号密码,还有类型是http还是SOCK5,这些搞对就可以了

[proxy]

; required
host=proxy.crawlera.com
port=8010

; optional, default is no auth
username=username
password=password

; optional, default is HTTP. Allowed values are HTTP and SOCKS5
type=HTTP

[rules]
; optional, default ".*"
whitelist=
    .*mywebsite\.com.*

; optional, default is no blacklist
blacklist=
    .*\.js.*
    .*\.css.*
    .*\.png

这样代理池就搭好了,那么如何使用这些代理呢,首先是scrapy的settings ,加上如下的命令

SPLASH_URL = 'http://localhst:8050'
DOWNLOADER_MIDDLEWARES = {
    'scrapy_splash.SplashCookiesMiddleware': 723,
    'scrapy_splash.SplashMiddleware': 725,
    'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 724,
}
SPIDER_MIDDLEWARES = {
    'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
}
DUPEFILTER_CLASS = 'scrapy_splash.SplashAwareDupeFilter'
HTTPCACHE_STORAGE = 'scrapy_splash.SplashAwareFSCacheStorage'

然后就是这个DOWNLOADER_MIDDLEWARES,记得加上你自己的下载中间件,然后在你的下载中间件里面的process_request函数加上这么一段

def process_request(self, request, spider):
	if request.meta.get('splash'):
		request.meta['splash']['args']['proxy']=self.select_proxy_for_splash()
	else:
		request.meta['proxy']=self.select_proxy()

这段代码含义如下:
如果当前的request请求含有splash,说明他是个带有splash的请求,他的代理应该是在[‘splash’][‘args’][‘proxy’]方法里,self.select_proxy_for_splash()的返回的应该是上面说的proxy1的文件名,因此可以把这些放在数据库里,每次去查库随机出来一个,这样代理池好维护,否则按scrapy的方法来。
好了 这样代理池就搭好了,如果有什么写的不对的地方,欢迎各位批评指正

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