查看: 4851|回复: 0

Python爬虫常用小技巧之设置代理IP

字体大小: 正常放大

杨利霞

5273 主题	82 听众	17万积分

TA的每日心情

	开心 2021-8-11 17:59

签到天数: 17 天

[LV.4]偶尔看看III

网络挑战赛参赛者

自我介绍: 本人女，毕业于内蒙古科技大学，担任文职专业，毕业专业英语。

群组: 2018美赛大象算法课程

群组: 2018美赛护航培训课程

群组: 2019年数学中国站长建

群组: 2019年数据分析师课程

群组: 2018年大象老师国赛优

电梯直达

1^#

发表于 2021-1-8 17:22 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

Python爬虫常用小技巧之设置代理IP

设置代理IP的原因
我们在使用Python爬虫爬取一个网站时，通常会频繁访问该网站。假如一个网站它会检测某一段时间某个IP的访问次数，如果访问次数过多，它会禁止你的访问。所以你可以设置一些代理服务器来帮助你做工作，每隔一段时间换一个代理，这样便不会出现因为频繁访问而导致禁止访问的现象。
我们在学习Python爬虫的时候，也经常会遇见所要爬取的网站采取了反爬取技术导致爬取失败。高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力，所以同一个IP反复爬取同一个网页，就很可能被封，所以下面这篇文章讲述一个爬虫技巧，设置代理IP
代理的获取有很多方式，网上有很多免费的可以去爬取一些试试，但是免费的代理使用起来也是很吃力的。还有就是现在网上有很多的代理供应商，可以在网上寻找下，然后找家靠谱的使用。毕竟网络太大了，代理供应商肯定也是参差不齐的，所以找到合适的代理还是需要花点时间的。在这里我就是使用了我们长期使用的一家质量好的代理，亿牛云代理，而且是使用的他们的爬虫代理（动态转发）和一般的api模式不一样。这种更简单更方便，对于懒人来说绝对是最佳选择。
具体代码的使用
#! -*- encoding:utf-8 -*-

      import requests
      import random

      # 要访问的目标页面
      targetUrl = "http://httpbin.org/ip"

      # 要访问的目标HTTPS页面
      # targetUrl = "https://httpbin.org/ip"

      # 代理服务器
      proxyHost = "t.16yun.cn"
      proxyPort = "31111"

      # 代理隧道验证信息
      proxyUser = "username"
      proxyPass = "password"

      proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
         "host" : proxyHost,
         "port" : proxyPort,
         "user" : proxyUser,
         "pass" : proxyPass,
      }

      # 设置 http和https访问都是用HTTP代理
      proxies = {
         "http"  : proxyMeta,
         "https" : proxyMeta,
      }

      #  设置IP切换头
      tunnel = random.randint(1,10000)
      headers = {"Proxy-Tunnel": str(tunnel)}
      resp = requests.get(targetUrl, proxies=proxies, headers=headers)

      print resp.status_code
      print resp.text
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流

zan