运用进程在网页中获取有用的代理

import requests
from lxml import etree
import time
import multiprocessing

# 耗时 84.26855897903442 5
# 耗时 44.181687355041504 10
# 耗时 29.013262033462524 20
# 耗时 22.825448036193848 50


def get_all_proxy(queue):
    url = 'http://www.xicidaili.com/nn/1'

    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
    }
    response = requests.get(url, headers=headers)

    # with open('song.html', 'wb') as f:
    #     f.write(response.content)

    html_ele = etree.HTML(response.text)

    ip_eles = html_ele.xpath('//table[@id="ip_list"]/tr/td[2]/text()')
    port_ele = html_ele.xpath('//table[@id="ip_list"]/tr/td[3]/text()')

    # print(len(ip_eles))
    # print(len(port_ele))
    proxy_list = []
    for i in range(0,len(ip_eles)):
        proxy_str = 'http://' + ip_eles[i] + ':' + port_ele[i]
        #proxy_list.append(proxy_str)
        #print(proxy_str)
        queue.put(proxy_str)

def check_one_proxy(proxy):
    #print('人头已经打到这里')
    try:
        #proxy = proxy_and_queue
        url = 'http://www.baidu.com/s?wd=ip'
        proxy_dict = {
            'http': proxy
        }
        try:
            response = requests.get(url, proxies=proxy_dict, timeout=5)
            if response.status_code == 200:
                print('这个人头送的好' + proxy)
                #queue.put(proxy)
                return proxy
            else:
                print('这个人头没送好')
                #queue.put(proxy)
                return proxy
        except:
            #print('这个人头耶耶耶没送好--------------->')
            return None
    except Exception as e:
        print(e)

# def check_all_proxy(proxy_list):
#     valid_proxy_list = []
#     for proxy in proxy_list:
#         if check_one_proxy(proxy):
#             valid_proxy_list.append(proxy)
#
#     return valid_proxy_list


if __name__ == '__main__':
    start_time = time.time()
    # 创建队列
    q = multiprocessing.Queue()
    # pool 进程池中, 要用的是下面的这个queue
    #result_q = multiprocessing.Manager().Queue()
    # 获取所有代理
    p = multiprocessing.Process(target=get_all_proxy, args=(q,))
    p.start()
    # proxy_list = get_all_proxy()
    # 检测代理的可用性

    pool = multiprocessing.Pool(50)
    result_list = []
    while True:
        try:
            proxy_str = q.get(timeout=5)
            #print('人头送到这里了', proxy_str)
        except:
            break
        #print('apply_async 之前')
        #proxy_and_queue = [proxy_str, result_q]
        proxy_res = pool.apply_async(check_one_proxy, (proxy_str,))
        result_list.append(proxy_res)
    #valid_proxy_list = check_all_proxy(proxy_list)

    valid_proxy_list = []
    for proxy_res in result_list:
        result = proxy_res.get()
        if result is None:
            pass
        else:
            valid_proxy_list.append(result)
        #print(result)

    print('All proxy we can get:')
    print(valid_proxy_list)
    pool.close()
    pool.join()
    p.join()


    end_time = time.time()
    print('--'*30)
    # print(valid_proxy_list)
    print('耗时:' + str(end_time-start_time))
 

猜你喜欢

转载自blog.csdn.net/weixin_42958164/article/details/81914850