代理ip软件

您的位置: 首页 > 新闻资讯 > 正文

python使用ip代理抓取网页

发布时间:2019-06-27 15:39:40 来源:挂机精灵

  当我们抓取网站的一个信息的时候,如果我们访问的时段非常的频繁,很大可能会被被访问的网站检测到从而进行屏蔽,解决这个问题的方法之一就使用代理IP,在我们接入因特网上网的时候,我们的电脑会被分配一个IP,提供给我们试用,而当我们频繁访问一个网站时,该网站也正是因为发现同一个ip地址访问多次而进行屏蔽的,这个时候更换IP地址访问是最好的解决方式,多个ip地址进行随机地轮流访问,减少被该网站检测到的概率。这时候如果我们再使用多个不同的headers,这时候就有多个ip+主机的组合,访问时被发现的概率又进一步减小了。

python使用ip代理抓取网页

  关于代码中ip代理的使用,下面介绍一下:

  步骤:

  1、urllib2库中的ProxyHandler类,通过此类可以使用ip代理访问网页

  proxy_support=urllib2.ProxyHandler({}),其中参数是一个字典{‘类型':'代理ip:端口号'}

  2、定制、创建一个opener

  opener=urllib2.build_opener(proxy_support)

  3、(1)安装opener

  urlib2.install_opener(opener)

  (2)调用默认的opener

  opener.open(url)

  对于没有设置反爬虫机制的网站,我们只需要直接像上面引入ProxyHandler类进行处理,下面以访问csdn主页为例:

  import urllib

  url="http://www.csdn.net/"

  for i in range(0,10000):

  html=urllib.urlopen(url)

  print html.info()

  print i

  当使用上述代码时,当循环到20时,就会出现下面的错误

  Traceback (most recent call last):

  File "C:/Users/lenovo/PycharmProjects/untitled1/jt2/__init__.py", line 19, in <module>

  html=urllib.urlopen(url)

  File "C:\Python27\lib\urllib.py", line 87, in urlopen

  return opener.open(url)

  File "C:\Python27\lib\urllib.py", line 213, in open

  return getattr(self, name)(url)

  File "C:\Python27\lib\urllib.py", line 350, in open_http

  h.endheaders(data)

  File "C:\Python27\lib\httplib.py", line 997, in endheaders

  self._send_output(message_body)

  File "C:\Python27\lib\httplib.py", line 850, in _send_output

  self.send(msg)

  File "C:\Python27\lib\httplib.py", line 812, in send

  self.connect()

  File "C:\Python27\lib\httplib.py", line 793, in connect

  self.timeout, self.source_address)

  File "C:\Python27\lib\socket.py", line 571, in create_connection

  raise err

  IOError: [Errno socket error] [Errno 10060]

  这就是因为我们使用了计算机的单一ip进行频繁访问而被检测出来的。

  下面是使用了ip代理的代码:

  import urllib2

  import random

  def getHtml(url,proxies):

  random_proxy = random.choice(proxies)

  proxy_support = urllib2.ProxyHandler({"http":random_proxy})

  opener = urllib2.build_opener(proxy_support)

  urllib2.install_opener(opener)

  html=urllib2.urlopen(url)

  return html

  url="http://www.csdn.net/"

  proxies=["101.53.101.172:9999","171.117.93.229:8118","119.251.60.37:21387","58.246.194.70:8080"

  "115.173.218.224:9797","110.77.0.70:80"]

  for i in range(0,10000):

  try:

  html=getHtml(url,proxies)

  print html.info()     #打印网页的头部信息,只是为了展示访问到了网页,可以自己修改成想显示的内容

  print i

  except:

  print "出现故障"

  这个代码我测试是在1096次时被检测到了,要知道我的列表中只有6个ip,如果我们增加ip的个数,那么被发现的概率是不是又会更低了。对于上面的例子中的ip代理,有可能在过了一段时间后便不能用了,这个需要自己到网上搜索最新的ip代理,进行替换。还有程序中的异常处理是为了使程序能够处理ip代码访问时出现问题的情况,因为有些ip代理在访问的时候会出现故障的,这样做了可以使程序更加健壮。

  对于有反爬虫机制的网页,下面还是以访问csdn中的博客为例:

  #coding:utf-8

  import urllib2

  import random

  def get_html(url,headers,proxies):

  random_userAget = random.choice(headers)

  random_proxy = random.choice(proxies)

  #下面是模拟浏览器进行访问

  req = urllib2.Request(url)

  req.add_header("User-Agent", random_userAget)

  req.add_header("GET", url)

  req.add_header("Host", "blog.csdn.net")

  req.add_header("Referer", "http://blog.csdn.net/?&page=6")

  #下面是使用ip代理进行访问

  proxy_support = urllib2.ProxyHandler({"http":random_proxy})

  opener = urllib2.build_opener(proxy_support)

  urllib2.install_opener(opener)

  html = urllib2.urlopen(req)

  return html

  url = "http://blog.csdn.net/?&page=3"

  """

  使用多个主机中的user_agent信息组成一个列表,当然这里面的user_agent都是残缺的,大家使用时可以自己找

  身边的小伙伴借呦

  """

  user_agents = [

  "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWe。。。hrome/45.0.2454.101 Safari/537.36",

  "Mozilla / 5.0(Windows NT 6.1) AppleWebKit / 537.。。。。likeGecko) Chrome / 45.0.2454.101Safari/ 537.36",

  "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit。。。。。Gecko) Chrome/50.0.2661.102 Safari/537.36",

  "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.3。。。。ML, like Gecko) Chrome/49.0.2623.112 Safari/537.36",

  "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) 。。。WebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2486.0 Safari/537.36 Edge/13.10586",

  "User-Agent: Mozilla/5.0 (Windows NT 10.0) AppleWebKi。。。。。36 (KHTML, like Gecko) Chrome/46.0.2486.0 Safari/537.36 Edge/13.10586",

  "Mozilla/5.0 (Windows NT 10.0; WOW64) Apple。。。。。KHTML, like Gecko) Chrome/50.0.2661.94 Safari/537.36"

  ]

  #网上的ip有可能是不能用的,需要多做尝试

  myproxies=["220.189.249.80:80","124.248.32.43:80"]

  html = get_html(url,user_agents,myproxies)

  print html.read()


相关资讯

手机电脑怎么使用全国动态IP的方法

  有些需要更换IP的用户,不知道手机电脑怎么使用全国动态IP,其实方法非常简单,下载个挂机精灵代理IP软件即可,比手动拨号更换IP地址方便

来源:互联网

2019-02-18 17:42:49

如何才能更好的挂机手游?使用挂机精灵

手游给人带来很乐趣,令人烦恼的是,手游漫长的练级的过程,解决这个烦恼的方法就是手游挂机,让其自动升级打怪。那么,如何才能玩手游呢?使用挂机精灵即可。如何才能更好

来源:互联网

2019-02-28 14:22:13

如何谨慎使用HTTP代理IP ?

在互联网应用逐渐广泛的今天,http代理IP给我们的工作生活带来了很大的方便,所以,http代理IP的产品代理商也是逐渐增加,很多用户陷入了选择困难症中,不知道

来源:互联网

2019-03-18 15:55:16

游戏奇迹使用代理IP挂机时一定要找一个最佳地方

挂机升级或者挂机打宝,这是我们在奇迹sf中最值得注意的,并且来说也必须是要找到一个最为合适的地方了之后,这样能够对我们产生出来的效果,也才能保证绝对是更加到位的

来源:互联网

2019-03-26 15:51:29

如何使用挂机精灵换IP投票增加人气流量

许多朋友需要用到提高流量或点击率,比如:提高自己博客访问量,增加投票人气、小说访问量,视频点击率,论坛帖子点击率等。这样就可以提高自己的排名或在网页热门信息中展

来源:互联网

2019-04-03 16:05:30

如何使用代理ip软件来维护你的隐私安全?

早前,代理ip并没有被人们时长接触到,更早之前,甚至有人还不知道什么ip,更别说代理ip了。但是随着时代的发展,以及互联网的不断进步,越来越多的人也就开始意识到

来源:互联网

2019-04-13 15:00:01

如何使用IP代理软件防封锁

账号被封锁了怎么办?可以使用IP代理软件防封锁,下面就来教一教大家如何使用IP代理软件防封锁。越来越多的现代人已经学会使用网络,上至大爷大妈,下至几岁的孩童,网

来源:互联网

2019-04-15 16:06:22

挂机精灵代理ip软件解决ip被封

   挂机精灵代理ip软件解决ip被封,现在市面上挂机软件如此之多,该怎么判断这个挂机软件是好用还是不好用呢?我们该如何选择一款适

来源:互联网

2019-02-11 15:16:07

使用网页换IP软件可以大大提高工作效率

在经济全球化大趋势下,网页换IP软件在过去的几年里为市场创造了不少价值,并成功带动不少效果补量产业发展。为何网页换IP软件能取得如此成就,归根究底还是因为它有效

来源:挂机精灵

2019-04-18 15:51:59

为何爬虫使用代理IP后依然会抓取不成功?

网络爬虫在如今的互联网领域有着特别的意义,比如我们耳熟能详的大数据,它的发展就离不开网络爬虫。然而网络爬虫也是有天敌的,那就是目标网站的反爬虫策略,爬虫在工作过

来源:挂机精灵

2019-05-06 16:24:05

如何解决python爬虫的IP资源问题

大家都说现在是大数据时代,是python爬虫的天下,但python爬虫也是有天敌的,随着网络爬虫的日渐壮大,反爬虫也在不断进化,若想顺应时代发展,更好的突破网站

来源:互联网

2019-04-01 16:00:58