Python——轻松拥有自己的代理IP池

目标页面：https://www.xicidaili.com/nn/
长这个样子：

一阵瞎几把分析之后开始写代码：

import requests,re,os
from pprint import pprint
down_dir = os.path.join(os.getcwd(), 'daili_IP/')

headers = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) '
                         'AppleWebKit/537.36 (KHTML, like Gecko)'
                         ' Chrome/63.0.3239.84 Safari/537.36',
           'Referer': 'https://www.xicidaili.com/nt/',
           'Connection': 'keep-alive',
           'Host': 'www.xicidaili.com'}

url='https://www.xicidaili.com/nn/'

def main():
    print('--开始爬取代理IP--')
    req=requests.get(url,headers=headers,verify=False)
    #print(req.text)
    ip=re.findall('<td>(\d*\.\d*\.\d*\.\d*)</td>',req.text)
    port=re.findall('<td>(\d*)</td>',req.text)
    dic=dict(zip(ip,port))
    pprint(dic)
    with open(down_dir+'ip.txt','w') as f:
        for i in range(len(ip)):
            f.write(ip[i]+':'+str(port[i]+'\n'))
    print('IP地址保存在:'+down_dir)

if __name__=='__main__':
    if not os.path.exists(down_dir):
        os.mkdir(down_dir)
    main()

心得

1.这网站不加协议头不让访问
2xpath还是用不溜，还得加强练习啊，这次还是用的正则
3.如下图

4.再接着补充下检测ip地址能不能用的功能（思路：挂上地址访问下百度，京东，淘宝之类的网站）