爬虫-IP地址、selenium

IP地址

QA:

1.为什么会出现IP被封

  • 网站为了防止被爬取,会有反爬机制,对于同一个IP地址的大量同类型的访问,会封锁IP,过一段时间后,才能继续访问

2.如何应对IP被封的问题

  • 有几种套路:

    修改请求头,模拟浏览器(而不是代码去直接访问)去访问
    采用代理IP并轮换
    设置访问时间间隔

3.如何获取代理IP地址

  • 从该网站获取: https://www.xicidaili.com/
    inspect -> 鼠标定位:
    要获取的代理IP地址,属于class = "odd"标签的内容:代码如下,获取的代理IP保存在proxy_ip_list列表中
获取IP
# 案例代码
from bs4 import BeautifulSoup
import requests
import time

# 解析网页信息
def open_proxy_url(url):
    user_agent = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.119 Safari/537.36'
    headers = {
   'User-Agent': user_agent}
    try:
        r = requests.get(url, headers = headers, timeout = 20)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return(r.text)
    except:
        print('无法访问网页' + url)

# 收集IP地址
# def get_proxy_ip(response):
#     proxy_ip_list = []
#     soup = BeautifulSoup(response, 'html.parser')
#     proxy_ips  = soup.select('.odd')#选择标签
#     for proxy_ip in proxy_ips:
#         ip = proxy_ip.select('td')[1].text
#         port = proxy_ip.select('td')[2].text
#         protocol = proxy_ip.select('td')[5].text
#         if protocol in ('HTTP','HTTPS'):
#             proxy_ip_list.append(f'{protocol}://{ip}:{port}')
#     return proxy_ip_list

def get_proxy_ip(response):
    proxy_ip_list = []
    soup = BeautifulSoup(response, 'html.parser')
    # 通过bs4的find_all(‘tr’)来获取所有IP:
    proxy_ips = soup.find(id = 'ip_list').find_all('tr')
    for proxy_ip in proxy_ips:
        if len(proxy_ip.select('td')) >=8:
            ip = proxy_ip.select('td')[1].text
            port = proxy_ip.select('td')[2].text
            protocol = proxy_ip.select('td')[5].text
            if protocol in ('HTTP','HTTPS','http','https'):
                proxy_ip_list.append(f'{protocol}://{ip}:{port}')
    return proxy_ip_list

# 主程序
if __name__ == '__main__':
    proxy_url = 'https://www.xicidaili.com/'
    text = open_proxy_url(proxy_url)
    proxy_ip_filename = 'proxy_ip.txt'
    with open(proxy_ip_filename, 'w') as f:
        f.write(text
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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