ProxyHandler处理器(代理设置)
很多网站会检测某一段时间某个ip的访问次数(通过流量统计,系统日志等),如果访问次数多的不像正常人,它会禁止这个ip的访问。
所以我们可以设置一些代理服务器,每隔一段时间换一个代理,就算IP被禁止,依然可以换个ip继续爬取。
urllib中通过ProxyHandler来设置使用代理服务器,下面代码说明如何使用自定义opener来使用代理:
1、代理的原理:在请求目的网站之前,先请求代理服务器,然后让代理服务器去请求目的网站,代理服务器拿到目的网站的数据后,再转发给我们的代码。
2、http://httpbin.org/ip—专门用来测试http请求的
3、在代码中使用代理:
①使用’urllib.request.ProxyHandler’,传入一个代理,这个代理手机一个字典,字典的key依赖于代理服务器能够接受的类型,一般是’http’或者’https’,值是’ip:port’
②使用上一步创建的’handler’,以及’request.bulid_opener’创建一个’opener’对象
③使用上一步创建的’opener’,调用’open’函数,发起请求
from urllib import request
# 没有使用代理的
url = 'http://httpbin.org/ip'
resp = request.urlopen(url)
print(resp.read())
结果:
b'{\n "origin": "115.196.75.127"\n}\n'
# 使用代理的
url = 'http://httpbin.org/ip'
#1、使用ProxyHandler,传入代理构建一个handler {字典}
handler = request.ProxyHandler({"http": "121.230.210.232: 3256"})
# 2、使用上面创建的handler构建一个opener
opener = request.build_opener(handler)
# 3、使用opener去发送一个请求
resp = opener.open(url)
print(resp.read())
结果:
b'{\n "origin": "23.241.78.43"\n}\n'