Python实现IP代理批量采集的示例代码
更新时间：2022年09月29日 10:16:46 作者：小圆-
这篇文章主要为大家详细介绍了如何利用Python实现IP代理批量采集，并检测代理是否可用。文中的示例代码讲解详细，需要的可以参考一下
开发环境
python 3.8
pycharm
模块使用
import requests —> 需要安装 pip install requests
import parsel —> 需要安装 pip install parsel 解析数据模块
如果安装python第三方模块:
- win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
- 在pycharm中点击Terminal(终端) 输入安装命令
IP代理: 采集网站数据, 采集比较快, 你被封IP <一段时间内容 不能访问这个网站>
基本流程（思路）
一. 数据来源分析
你要先分析, 你想要数据是请求那个url地址可以得到…
通过开发者工具抓包分析, 分析我们想要数据来源
I. F12或者鼠标右键点检查 选择network 刷新网页
II. 分析数据内容 <IP 以及 端口>来自于哪里
通过开发者工具 关键字搜索数据来源 找到相对应的数据包
二. 代码实现步骤过程
爬虫基本四大步骤
发送请求, 模拟浏览器对于分析得到url地址发送请求 https://free.kuaidaili.com/free/inha/1/
获取数据, 获取服务器返回响应数据 —> 开发者工具里面看到 response
解析数据, 提取我们想要数据内容
保存数据, 我们想要数据内容保存本地
代码
# 导入数据请求模块 ---> 第三方模块, 需要安装 在cmd里面 pip install requests import requests # 导入数据解析模块 ---> 第三方模块, 需要安装 在cmd里面 pip install parsel import parsel # 导入json模块 ---> 内置模块 不需要安装 import json
# 1. 发送请求, 模拟浏览器对于分析得到url地址发送请求
proxies_list = []
proxies_list_1 = []
# 请求url地址
for page in range(1, 11):
url = f'https://www.boc.cn/sourcedb/whpj/index_{page}.html'
"""
headers请求头, 模拟伪装浏览器去发送请求
不加headers相当于裸奔 ----> 告诉服务器, 我是爬虫 我是爬虫~ 你来抓我~
加什么东西, 在哪加 ---> 开发者工具里面 复制 ua
"""
headers = {
# User-Agent 用户代理 表示浏览器基本身份标识
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}
# 发送请求 ---> <Response [200]> 响应对象, 200状态码 表示请求成功
response = requests.get(url=url, headers=headers)
# 2. 获取数据, 获取服务器返回响应数据 print(response.text)
"""
3. 解析数据, 提取我们想要数据内容
解析方法:
re正则: 对于字符串数据进行提取
css: 根据标签属性内容提取
xpath: 根据标签节点提取
"""
# 转换数据类型 response.text<字符串数据> <Selector xpath=None data='<html>\n<head>\n<meta http-equiv="X-UA-...'>
selector = parsel.Selector(response.text)
# 获取tr标签 ---> 返回列表 列表里面元素是 Selector对象
trs = selector.css('#list table tbody tr')
trs_1 = selector.xpath('//*[@id="list"]/table/tbody/tr')
# for循环 一个一个提取tr标签
for tr in trs:
# 提取ip号 td:nth-child(1)::text 获取第一个td标签里面文本数据
ip_num = tr.css('td:nth-child(1)::text').get()
# ip_num_1 = tr.xpath('td[1]/text()').get()
ip_port = tr.css('td:nth-child(2)::text').get()
"""
IP代理结构是什么样子的?
proxies_dict = {
"http": "http://" + ip:端口,
"https": "http://" + ip:端口,
}
"""
proxies_dict = {
"http": "http://" + ip_num + ':' + ip_port,
"https": "https://" + ip_num + ':' + ip_port,
}
proxies_list_1.append(proxies_dict)
# 检测IP代理是否可用 用这个代理去请求一下网站就好了
try:
response_1 = requests.get(url='https://www.baidu.com/', proxies=proxies_dict, timeout=1)
if response_1.status_code == 200:
proxies_list.append(proxies_dict)
print('代理可以使用: ', proxies_dict)
# 保存代理到文本
with open('代理.txt', mode='a', encoding='utf-8') as f:
f.write(json.dumps(proxies_dict))
f.write('\n')
except:
print('当前代理:', proxies_dict, '请求超时, 检测不合格')
print('===' * 50)
print('一共获取到:', len(proxies_list_1))
print('可以使用代理: ', len(proxies_list))
print(proxies_list)到此这篇关于Python实现IP代理批量采集的示例代码的文章就介绍到这了,更多相关Python采集IP代理内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python改变对象的字符串显示的方法，文中讲解非常细致，代码帮助大家更好的理解和学习，感兴趣的朋友可以了解下2020-08-08
这篇文章主要介绍了python反转一个三位整数的多种实现方案，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要介绍了Python快速排序算法,简单说明了快速排序算法的原理、实现步骤,并结合具体实例分析了Python实现快速排序的相关操作技巧,需要的朋友可以参考下2017-11-11
下面小编就为大家带来一篇python数据类型_元组、字典常用操作方法(介绍)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-05-05
这篇文章主要为大家详细介绍了Python如何使用zmail进行邮件发送功能,文中的示例代码讲解详细,具有一定的借鉴价值,有需要的小伙伴可以参考一下2024-03-03
重命名操作是我们开发中经常遇到的一个需求，下面这篇文章主要给大家介绍了关于Python如何根据照片修改时间重命名并排序的相关资料,需要的朋友可以参考下2021-05-05
大家好，本篇文章主要讲的是用python实现读取xlsx表格操作，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下2022-01-01
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。它不仅能够实现强大的GPU加速，同时还支持动态神经网络。本文将介绍PyTorch搭建CNN如何实现风速预测，感兴趣的可以学习一下2021-12-12
在本篇文章里小编给大家整理的是一篇关于python中lstrip()截掉字符的实例讲解内容，有兴趣的朋友们可以学习下。2021-05-05
这篇文章主要介绍了Python3实现取图片中特定的像素替换指定的颜色,涉及Python3针对图片文件的读取、转换、生成等相关操作技巧,需要的朋友可以参考下2019-01-01
最新评论