利用Python爬取可用的代理IP

 更新时间:2016年08月18日 15:47:18   投稿:daisy  
我们平时在用Python爬虫时,有时会要用到IP代理。网上有很多的免费代理IP网站,但不是所有的ip都能用,所以这篇文章教大家如何爬取可用的代理IP。

前言

就以最近发现的一个免费代理IP网站为例:http://www.xicidaili.com/nn/。在使用的时候发现很多IP都用不了。

所以用Python写了个脚本,该脚本可以把能用的代理IP检测出来。

脚本如下:

#encoding=utf8
import urllib2
from bs4 import BeautifulSoup
import urllib
import socket
 
User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'
header = {}
header['User-Agent'] = User_Agent
 
'''
获取所有代理IP地址
'''
def getProxyIp():
 proxy = []
 for i in range(1,2):
  try:
   url = 'http://www.xicidaili.com/nn/'+str(i)
   req = urllib2.Request(url,headers=header)
   res = urllib2.urlopen(req).read()
   soup = BeautifulSoup(res)
   ips = soup.findAll('tr')
   for x in range(1,len(ips)):
    ip = ips[x]
    tds = ip.findAll("td")
    ip_temp = tds[1].contents[0]+"\t"+tds[2].contents[0]
    proxy.append(ip_temp)
  except:
   continue
 return proxy
  
'''
验证获得的代理IP地址是否可用
'''
def validateIp(proxy):
 url = "http://ip.chinaz.com/getip.aspx"
 f = open("E:\ip.txt","w")
 socket.setdefaulttimeout(3)
 for i in range(0,len(proxy)):
  try:
   ip = proxy[i].strip().split("\t")
   proxy_host = "http://"+ip[0]+":"+ip[1]
   proxy_temp = {"http":proxy_host}
   res = urllib.urlopen(url,proxies=proxy_temp).read()
   f.write(proxy[i]+'\n')
   print proxy[i]
  except Exception,e:
   continue
 f.close()
 
    
if __name__ == '__main__':
 proxy = getProxyIp()
 validateIp(proxy)

 运行成功后,打开E盘下的文件,可以看到如下可用的代理IP地址和端口:

总结

这只是爬取的第一页的IP地址,如有需要,可以多爬取几页。同时,该网站是时时更新的,建议爬取时只爬取前几页的即可。以上就是本文的全部内容,希望对大家学习使用Python能有所帮助。

相关文章

  • python如何发送带有附件、正文为HTML的邮件

    python如何发送带有附件、正文为HTML的邮件

    这篇文章主要介绍了python如何发送带有附件、正文为HTML的邮件,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下
    2021-02-02
  • 基于OpenCV和Gradio实现简单的人脸识别详解

    基于OpenCV和Gradio实现简单的人脸识别详解

    这篇文章主要为大家详细介绍了如何基于OpenCV和Gradio实现简单的人脸识别功能,文中的示例代码讲解详细,感兴趣的小伙伴可以了解一下
    2023-04-04
  • PyQt5+QtChart绘制散点图

    PyQt5+QtChart绘制散点图

    QChart是一个QGraphicScene中可以显示的QGraphicsWidget。本文将利用QtChart实现绘制散点图,文中的示例代码讲解详细,感兴趣的小伙伴可以了解一下
    2022-12-12
  • python 使用装饰器并记录log的示例代码

    python 使用装饰器并记录log的示例代码

    今天小编就为大家分享一篇python 使用装饰器并记录log的示例代码,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
    2019-07-07
  • Python3 读、写Excel文件的操作方法

    Python3 读、写Excel文件的操作方法

    这篇文章主要介绍了Python3 读、写Excel文件的操作方法,需要的朋友可以参考下
    2018-10-10
  • 小白入门篇使用Python搭建点击率预估模型

    小白入门篇使用Python搭建点击率预估模型

    本文将从零开始,仅仅利用基础的numpy库,使用Python实现一个最简单的神经网络(或者说是简易的LR,因为LR就是一个单层的神经网络),解决一个点击率预估的问题。感兴趣的朋友跟随小白一起看看吧
    2018-10-10
  • Python词云展示库wordcloud配置详解

    Python词云展示库wordcloud配置详解

    这篇文章主要介绍了Python词云展示库wordcloud配置详解,词云就是将词语通过图形可视化的方式,直观和艺术的展示出来,词云在我们的生活中经常能够看到,无论是中文的词云还是英文的词云,需要的朋友可以参考下
    2023-07-07
  • Python shutil模块实现文件的裁剪、压缩与解压缩的方法

    Python shutil模块实现文件的裁剪、压缩与解压缩的方法

    这篇文章主要介绍了Python shutil模块实现文件的裁剪、压缩与解压缩的方法,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2023-01-01
  • python 生成图形验证码的方法示例

    python 生成图形验证码的方法示例

    日常在网站使用过程中经常遇到图形验证,这篇文章主要介绍了python 生成图形验证码的方法示例,非常具有实用价值,需要的朋友可以参考下
    2018-11-11
  • 详解Python数据结构与算法中的顺序表

    详解Python数据结构与算法中的顺序表

    线性表在计算机中的表示可以采用多种方法,采用不同存储方法的线性表也有着不同的名称和特点。线性表有两种基本的存储结构:顺序存储结构和链式存储结构。本文将介绍顺序存储结构的特点以及各种基本运算的实现。需要的可以参考一下
    2022-01-01

最新评论