Python爬虫常用小技巧之设置代理IP

杨利霞

4 i) u: i, D5 ~! x/ \( |

Python爬虫常用小技巧之设置代理IP

2 a$ L) f4 P8 {' `/ ?3 r3 V3 F
设置代理IP的原因
+ i8 s  T" [" Z" ~8 B: e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
! ?' L9 v+ R0 |% c3 p6 H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。
' Z% x8 C$ O. e6 {, y# b0 {8 D( _具体代码的使用
9 X! K4 b/ b( Q+ w! ?% I8 g#! -*- encoding:utf-8 -*-
) k, ^+ f+ m% T
$ R; o' u+ c8 y& f8 ?        import requests
        import random
9 `$ q6 Q$ V$ w- \! O/ e
        # 要访问的目标页面
( X  a$ p- z$ }! R3 r        targetUrl = "http://httpbin.org/ip"
! z# A1 R  W. C& e: [" l
* ?2 R3 X: [7 \$ B! g1 _/ o& j        # 要访问的目标HTTPS页面
. P2 O5 x, O4 @        # targetUrl = "https://httpbin.org/ip"

# G( G! E& b4 C, q        # 代理服务器
" }7 ?" Q# x! U& p* N        proxyHost = "t.16yun.cn"
! p, }. l5 H6 S7 n9 D% b        proxyPort = "31111"

2 W0 R* P# q+ Q$ ^8 R3 i        # 代理隧道验证信息
        proxyUser = "username"
        proxyPass = "password"

/ b) `7 W" {. ]8 F+ h- N/ t( ^        proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
+ D# M9 U( t3 A$ g( {! a            "host" : proxyHost,
1 g  `) K( v( ^8 p            "port" : proxyPort,
  ^" W. U6 ?$ T; I            "user" : proxyUser,
& i3 ^% F: J& R4 f/ b0 G            "pass" : proxyPass,
4 a; z9 A7 a! w. a( {        }

! Y# v% q1 I$ j0 j8 H  L  I        # 设置 http和https访问都是用HTTP代理
        proxies = {
3 {2 S- v0 n8 p( t* |0 g            "http"  : proxyMeta,
( B; F4 E7 c, Q# b% {5 d/ p            "https" : proxyMeta,
        }


        #  设置IP切换头
  B/ Z, L) T" D; q5 T7 d; D" b        tunnel = random.randint(1,10000)
5 `- t( @8 }/ `) {4 x" l0 x/ c        headers = {"Proxy-Tunnel": str(tunnel)}
" h; q+ _' i. m/ G& C2 w; `        resp = requests.get(targetUrl, proxies=proxies, headers=headers)
' H9 B2 @; R0 C2 x9 X# H- n# A
        print resp.status_code
1 w, r& P; A% T; c' J/ `        print resp.text
总结
9 B8 ~0 X- _$ j: q) j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
. A" u- ^: t; }& Y