python爬蟲利用代理池更換IP的方法步驟

更新時(shí)間：2021年02月21日 14:49:40 作者：y4ung

這篇文章主要介紹了python爬蟲利用代理池更換IP的方法步驟，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

0. 前言

周日在爬一個(gè)國(guó)外網(wǎng)站的時(shí)候，發(fā)現(xiàn)用協(xié)程并發(fā)請(qǐng)求，并且請(qǐng)求次數(shù)太快的時(shí)候，會(huì)出現(xiàn)對(duì)方把我的服務(wù)器IP封掉的情況。于是網(wǎng)上找了一下開源的python代理池，這里選擇的是star數(shù)比較多的proxy_pool

1. 安裝環(huán)境

# 安裝python虛擬環(huán)境， python環(huán)境最好為python3.6，再往上的話，安裝依賴時(shí)會(huì)報(bào)錯(cuò)
sudo apt update
sudo apt install python3.6
pip3 install virtualenv
virtualenv venv --python=python3.6
source venv/bin/activate

# 安裝redis
sudo apt install redis-server
# 啟動(dòng)redis server
redis-server

2. 安裝依賴

git clone https://github.com/jhao104/proxy_pool.git
cd proxy_pool
pip install -r requirements.txt

3. 修改配置文件

# 修改setting.py 

# 配置API服務(wù)

HOST = "0.0.0.0"    # IP
PORT = 5010     # 監(jiān)聽端口

# 配置數(shù)據(jù)庫

# 以下為三個(gè)示例，根據(jù)redis的配置，選擇其中一種即可
# 一般啟動(dòng)redis時(shí)如果沒有配置文件，那么選擇第一種即可
# 1. Redis IP: 127.0.0.1 Port: 6379
DB_CONN = 'redis://@127.0.0.1:6379'
# 2. Redis IP: 127.0.0.1 Port: 6379 Password: 123456
DB_CONN = 'redis://:123456@127.0.0.1:6379'
# 3. Redis IP: 127.0.0.1 Port: 6379 Password: 123456 DB: 15
DB_CONN = 'redis://:123456@127.0.0.1:6379/15'

 

# 配置 ProxyFetcher

PROXY_FETCHER = [
 "freeProxy01",  # 這里是啟用的代理抓取方法名，所有fetch方法位于fetcher/proxyFetcher.py
 "freeProxy02",
 # ....
]

4. 啟動(dòng)

# 可以用tmux開三個(gè)窗口

# 啟動(dòng)調(diào)度程序
python proxyPool.py schedule

# 啟動(dòng)webApi服務(wù)
python proxyPool.py server

5. 測(cè)試

import requests

def get_proxy():
 return requests.get("http://127.0.0.1:5010/get/").json()

def delete_proxy(proxy):
 requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy))

# your spider code

def getHtml():
 # ....
 retry_count = 5
 proxy = get_proxy().get("proxy")
 while retry_count > 0:
  try:
   html = requests.get('http://www.example.com', proxies={"http": "http://{}".format(proxy)})
   # 使用代理訪問
   return html
  except Exception:
   retry_count -= 1
 # 刪除代理池中代理
 delete_proxy(proxy)
 return None