什么是代理
网络代理,是一种特殊的网络服务,允许一个网络终端(一般为客户端)通过这个服务与另一个网络终端(一般为服务器)进行非直接的连接。一个完整的代理请求过程为:客户端首先与代理服务器创建连接,接着根据代理服务器所使用的代理协议,请求对目标服务器创建连接、或者获得目标服务器的指定资源(如:文件)
代理在哪些方面有应用
突破自身IP访问限制,访问国外站点(俗称“翻墙”)
隐藏真实IP:上网者也可以通过这种方法隐藏自己的IP,免受攻击。
爬虫设置代理的原因
一些网站会有相应的反爬虫措施,例如很多网站会检测某一段时间某个IP的访问次数,如果访问频率太快以至于看起来不像正常访客,它可能就会会禁止这个IP的访问。所以我们需要设置一些代理服务器。
代理服务器的ip和端口如何获得
国内有很多代理服务器信息网站,如http://www.xicidaili.com/nn/1有的博主写了一个爬虫爬取代理列表,并保存可用的代理,亲测可用,代码如下:
# encoding=utf8
import urllib2
from bs4 import BeautifulSoup
import urllib
import socket
User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'
header = {}
header['User-Agent'] = User_Agent
'''
获取所有代理IP地址
'''
def getProxyIp():
proxy = []
for i in range(1, 2):
try:
url = 'http://www.xicidaili.com/nn/' + str(i)
req = urllib2.Request(url, headers=header)
res = urllib2.urlopen(req).read()
soup = BeautifulSoup(res)
ips = soup.findAll('tr')
for x in range(1, len(ips)):
ip = ips[x]
tds = ip.findAll("td")
ip_temp = tds[1].contents[0] + "\t" + tds[2].contents[0]
proxy.append(ip_temp)
except:
continue
return proxy
'''
验证获得的代理IP地址是否可用
'''
def validateIp(proxy):
url = "http://ip.chinaz.com/getip.aspx"
f = open("E:\ip.txt", "w")
socket.setdefaulttimeout(3)
for i in range(0, len(proxy)):
try:
ip = proxy[i].strip().split("\t")
proxy_host = "http://" + ip[0] + ":" + ip[1]
proxy_temp = {"http": proxy_host}
res = urllib.urlopen(url, proxies=proxy_temp).read()
f.write(proxy[i] + '\n')
print proxy[i]
except Exception, e:
continue
f.close()
if __name__ == '__main__':
proxy = getProxyIp()
validateIp(proxy)
urllib2如何使用代理
如果你有足够多的代理,可以放在一个列表中,随机选择一个代理去访问网站。如下:
import urllib2
import random
proxy_list = [
{"http" : "124.88.67.81:80"},
{"http" : "124.88.67.81:80"},
{"http" : "124.88.67.81:80"},
{"http" : "124.88.67.81:80"},
{"http" : "124.88.67.81:80"}
]
# 随机选择一个代理
proxy = random.choice(proxy_list)
# 使用选择的代理构建代理处理器对象
httpproxy_handler = urllib2.ProxyHandler(proxy)
opener = urllib2.build_opener(httpproxy_handler)
request = urllib2.Request("http://www.baidu.com/")
response = opener.open(request)
print response.read()