序文
こんにちは!みなさん、こんにちは、魔王です〜
開発環境:
- Python 3.8
- Pycharm
モジュールの使用:
- リクエスト>>>pipインストールリクエスト
- パーセル>>>pipインストールパーセル
Pythonサードパーティモジュールをインストールする場合:
- win + R cmdと入力します[OK]をクリックし、インストールコマンドを入力しますpip install module name(pip install requests)Enter
- pycharmのターミナルをクリックしてインストールコマンドを入力します
pycharmでPythonインタープリターを設定するにはどうすればよいですか?
- ファイルの選択>>>設定>>>プロジェクト>>>pythonインタープリター(pythonインタープリター)
- 歯車をクリックし、追加を選択します
- Pythonインストールパスを追加します
pycharmはどのようにプラグインをインストールしますか?
- ファイルの選択>>>設定>>>プラグイン
- マーケットプレイスをクリックして、インストールするプラグインの名前を入力します。例:翻訳プラグイン入力翻訳/中国語プラグイン入力中国語
- 対応するプラグインを選択し、[インストール]をクリックします。
- インストールが成功すると、pycharmを再起動するオプションがポップアップ表示され、[OK]をクリックして、再起動して有効にします。
プロキシIP構造
proxies_dict = {
"http": "http://" + ip:端口,
"https": "http://" + ip:端口,
}
アイデア:
1.データソース分析
必要なデータの内容を見つけます。それはどこから来たのですか。
2.コードの実装手順:
- リクエストの送信、宛先URLのリクエストの送信
- データを取得し、サーバーに応答データ(Webページのソースコード)を返すように取得します
- データを解析し、必要なデータコンテンツを抽出します
- データの保存、ミュージックビデオのローカルcsvデータベースのクロール…IP検出、IPプロキシが使用可能かどうかの検出、IPプロキシでの保存
from import from
import
import what method from what module
from xxx import *#すべてのメソッドをインポートします
コード
# 导入数据请求模块
import requests # 数据请求模块 第三方模块 pip install requests
# 导入 正则表达式模块
import re # 内置模块
# 导入数据解析模块
import parsel # 数据解析模块 第三方模块 pip install parsel >>> 这个是scrapy框架核心组件
lis = []
lis_1 = []
# 1. 发送请求, 对于目标网址发送请求 https://www.kuaidaili.com/free/
for page in range(11, 21):
url = f'https://www.kuaidaili.com/free/inha/{
page}/' # 确定请求url地址
"""
headers 请求头 作用伪装python代码
"""
# 用requests模块里面get 方法 对于url地址发送请求, 最后用response变量接收返回数据
response = requests.get(url)
# <Response [200]> 请求之后返回response响应对象, 200状态码表示请求成功
# 2. 获取数据, 获取服务器返回响应数据(网页源代码) response.text 获取响应体文本数据
# print(response.text)
# 3. 解析数据, 提取我们想要的数据内容
"""
解析数据方式方法:
正则: 可以直接提取字符串数据内容
需要把获取下来html字符串数据 进行转换
xpath: 根据标签节点 提取数据内容
css选择器: 根据标签属性提取数据内容
哪一种方面用那种, 那是喜欢用那种
"""
# 正则表达式提取数据内容
"""
# 正则提取数据 re.findall() 调用模块里面的方法
# 正则 遇事不决 .*? 可以匹配任意字符(除了换行符\n以外) re.S
ip_list = re.findall('<td data-title="IP">(.*?)</td>', response.text, re.S)
port_list = re.findall('<td data-title="PORT">(.*?)</td>', response.text, re.S)
print(ip_list)
print(port_list)
"""
# css选择器:
"""
# css选择器提取数据 需要把获取下来html字符串数据(response.text) 进行转换
# 我不会css 或者 xpath 怎么办
# #list > table > tbody > tr > td:nth-child(1)
# //*[@id="list"]/table/tbody/tr/td[1]
selector = parsel.Selector(response.text) # 把html 字符串数据转成 selector 对象
ip_list = selector.css('#list tbody tr td:nth-child(1)::text').getall()
port_list = selector.css('#list tbody tr td:nth-child(2)::text').getall()
print(ip_list)
print(port_list)
"""
# xpath 提取数据
selector = parsel.Selector(response.text) # 把html 字符串数据转成 selector 对象
ip_list = selector.xpath('//*[@id="list"]/table/tbody/tr/td[1]/text()').getall()
port_list = selector.xpath('//*[@id="list"]/table/tbody/tr/td[2]/text()').getall()
# print(ip_list)
# print(port_list)
for ip, port in zip(ip_list, port_list):
# print(ip, port)
proxy = ip + ':' + port
proxies_dict = {
"http": "http://" + proxy,
"https": "http://" + proxy,
}
# print(proxies_dict)
lis.append(proxies_dict)
# 4.检测IP质量
try:
response = requests.get(url=url, proxies=proxies_dict, timeout=1)
if response.status_code == 200:
print('当前代理IP: ', proxies_dict, '可以使用')
lis_1.append(proxies_dict)
except:
print('当前代理IP: ', proxies_dict, '请求超时, 检测不合格')
print('获取的代理IP数量: ', len(lis))
print('获取可用的IP代理数量: ', len(lis_1))
print('获取可用的IP代理: ', lis_1)
dit = {
'http': 'http://110.189.152.86:40698',
'https': 'http://110.189.152.86:40698'
}
ビデオチュートリアル
IPがブロックされています!!続行するエージェントをお探しですか?無料のIPを収集し、それが利用可能かどうかをテストするように教えてください〜
エピローグ
さて、私のこの記事はここで終わります!
他にご提案やご質問がございましたら、お気軽にコメントまたはプライベートメッセージをお送りください。一緒に頑張りましょう(ง•_•)ง
気に入ったらブロガーをフォローするか、私の記事を気に入ってコメントしてください!!!