用Python搭建一个简单的代理池

小鱼儿 2022-02-02 03:29 379阅读 0赞

其实每次爬东西的时候，特怕IP被封，所以每次都要把时间延迟设置得长一点...

这次用Python搭建一个简单的代理池。获取代理IP，然后验证其有效性。

不过结果好像不是很理想，为什么西刺代理的高匿代理都能用？？？

不是说免费代理不好使吗？真的是黑人问号脸...

**/ 01 / 代理获取**

**01  网页分析**

![1545135431279946.jpg][]

通过点击西刺代理国内高匿代理，得到网页信息。

获取IP地址、端口、是否匿名、类型、速度。

**02  获取代理信息**

这里记得一定要设置随机选取headers以及睡眠时间，因为我就没有设置，然后就被封了...

![1545135431356864.jpg][]

import time  
import requests  
from bs4 import BeautifulSoup  
  
headers = \{  
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'  
\}  
for i in range(1, 36):  
    time.sleep(2)  
    print('第' + str(i) + '页')  
    url = 'http://www.xicidaili.com/nn/' + str(i)  
    response = requests.get(url=url, headers=headers)  
    soup = BeautifulSoup(response.text, 'html.parser')  
    all\_trs = soup.find\_all('tr')  
    for tr in all\_trs\[1:\]:  
        all\_tds = tr.find\_all('td')  
        ip = all\_tds\[1\].get\_text()  
        port = all\_tds\[2\].get\_text()  
        anonymous = all\_tds\[4\].get\_text()  
        type = all\_tds\[5\].get\_text()  
        for j in all\_tds\[6\].find\_all("div", attrs=\{"class": "bar"\}):  
            speed = j.get('title')  
        with open('ip.csv', 'a+', encoding='utf-8-sig') as f:  
            f.write(ip + ',' + port + ',' + anonymous + ',' + type + ',' + speed + '\\n')

![1545135432431335.jpg][]

随机获取用户代理的代码，上面是没加下面这个函数的(结果就是被封，不过第二天又能用啦)

def get\_user\_agent():  
    '''  
    随机获取一个用户代理  
    '''  
    user\_agents=\[  
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",  
        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",  
        "Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",  
        "Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",  
        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",  
        "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",  
        "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",  
        "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",  
        "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",  
        "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",  
        "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",  
        "Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",  
        "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",  
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",  
        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10\_7\_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",  
        "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",  
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",  
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",  
        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",  
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)",  
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER",  
        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",  
        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)",  
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",  
        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",  
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",  
        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",  
        "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",  
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",  
        "Mozilla/5.0 (iPad; U; CPU OS 4\_2\_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5",  
        "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre",  
        "Mozilla/5.0 (X11; Ubuntu; Linux x86\_64; rv:16.0) Gecko/20100101 Firefox/16.0",  
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",  
        "Mozilla/5.0 (X11; U; Linux x86\_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10"  
    \]  
    \# random.choice返回列表的随机项  
    user\_agent = random.choice(user\_agents)  
    return user\_agent  
  
\# random.randint产生随机整数  
time.sleep(2 + float(random.randint(1, 100)) / 20)

**/ 02 / 代理验证**

通过验证发现大部分都能用，不知道真的假的。

网址用的之前识别验证码的那个网站，如云阁小说网。

200个只有2个无效，不科学~

import pandas as pd  
import numpy as np  
import requests  
import time  
  
df = pd.read\_csv('ip.csv', header=None, names=\["ip", "port", "anonymous", "proxy\_type", "speed"\])  
  
proxy\_types = \["\{\}".format(i) for i in np.array(df\['proxy\_type'\])\]  
ips = \["\{\}".format(i) for i in np.array(df\['ip'\])\]  
ports = \["\{\}".format(i) for i in np.array(df\['port'\])\]  
  
proxy\_url = \['\{0\}://\{1\}:\{2\}'.format(proxy\_types\[i\], ips\[i\], ports\[i\]) for i in range(len(ips))\]  
  
proxy\_type = \['\{\}'.format(i) for i in proxy\_types\]  
for i in range(200):  
    time.sleep(1)  
    proxies = \{  
        proxy\_type\[i\]: proxy\_url\[i\]  
    \}  
    try:  
        response = requests.get('http://www.quanben9.com/', proxies=proxies)  
    except Exception as e:  
        print('invalid ip and port')  
    else:  
        code = response.status\_code  
        if code == 200:  
            print('effective ip')  
            with open('effective\_ip.csv', 'a+', encoding='utf-8-sig') as f:  
                f.write(proxy\_type\[i\] + ',' + proxy\_url\[i\] + '\\n')  
        else:  
            print('invalid ip and port')

**/ 03 / 小结**

IP协议：网际协议，作用是把各种数据包传送给对方(两个重要的条件，IP地址和MAC地址)。

**IP地址**：指明了节点被分配到的地址。

**端口**：端口是通过端口号来标记的，端口号只有整数，范围是从0到65535。一个IP地址的端口有65536个，「IP地址+端口号」区分不同的服务(Web、FTP、SMTP)。

**HTTP**：超文本传输协议，完成从客户端到服务器端等一系列运作流程。

**HTTPS**：添加了加密及认证机制的HTTP。

老实说，之前我对IP地址、端口、HTTP、HTTPS，是一点不了解的。

最近在看图解HTTP，算是对它们有所了解，但是还只是那么一点点，任重而道远。

不过罗马非一日之功，有进步就是好事(话说崔大写的代理模块真滴难懂~)。

[1545135431279946.jpg]: https://www.itcodemonkey.com/data/upload/portal/20181218/1545135431279946.jpg
[1545135431356864.jpg]: https://www.itcodemonkey.com/data/upload/portal/20181218/1545135431356864.jpg
[1545135432431335.jpg]: https://www.itcodemonkey.com/data/upload/portal/20181218/1545135432431335.jpg