爬虫代理池

小小爬虫代理池

该代理池中的IP是通过爬虫在网络收集的免费代理；
代理池中的IP都是爬取当天最最最新鲜的IP，但是任然可能存在网络超时的情况，在使用时为避免这种情况，可以只用timeout来进行处理；
注意
- 该代理池中抓取的数据存放在MongoDB数据库中，若没有安装该数据库，可以安装一下，同时安装一下pymongo
- 使用前，请先将源码下载后并放在你所使用的爬虫目录下，导入即可，源码地址

使用方法

数据库的安装

在Ubuntu中安装MongoDB可以使用如下命令导入秘钥

sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv EA312927

再使用sudo apt update更新后，使用如下命令安装数据库
```
sudo apt-get install -y mongodb
```
并使用如下命令安装pymongo
```
python3 -m pip install pymongo
```

具体使用方法

导入包
```
import proxy_pool
```
实例化
```
proxy = proxy_pool.main()
```

在自己代码中使用

例如：
r = requests.get('www.baidu.com',proxies=proxy)

建议在使用时加入超时检测，并使用try语句

检测IP是否伪装成功方法

使用如下代码检测

  import requests
  proxy = {} # 括号中填写找到的IP，格式为 'http':'http://xxx.xxx.xxx.xxx:xxxx'
  r = requests.get('http://httpbin.org/get',proxies=proxy)
  print(r.text)

运行后可以在运行结果中查看，若运行结果为你填写的IP(非本机IP)，则为代理成功。

  {
  "args": {},
  "headers": {
      "Accept": "*/*",
      "Accept-Encoding": "gzip, deflate",
      "Host": "httpbin.org",
      "User-Agent": "python-requests/2.23.0",
      "X-Amzn-Trace-Id": "Root=1-5ea14f1e-ed4afb8308b01f6a988c2789"
  },
  "origin": "xxx.xxx.xx.xx",
  "url": "http://httpbin.org/get"
  }

上述运行结果中，origin的值非本机IP，则表明代理成功

开始愉快玩耍吧哈哈哈哈哈

菜鸡小豆子

发布了7 篇原创文章 · 获赞 0 · 访问量 144

私信关注

网络爬虫之代理池

爬虫代理池

使用方法

猜你喜欢