Python爬虫使用代理IP的实现-CFANZ编程社区

Python爬虫使用代理IP的实现

使用爬虫时，如果目标网站对访问的速度或次数要求较高，那么你的

目前很多网站都提供了一些免费的代理

Python爬虫使用代理IP的实现_Python

测试的网址是：http://www.jshk.com.cn/，访问该站点可以得到请求的一些相关信息，其中 origin 字段就是客户端的 IP，根据它来判断代理是否设置成功，也就是是否成功伪装了IP

获取

代理池使用ip.hahado.cn:5555/random

只要访问这个接口再返回内容就可以拿到

Urllib

先看一下

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18	fromurllib.error importURLError importurllib.request fromurllib.request importProxyHandler, build_opener # 获取IP ip_response =urllib.request.urlopen("http://localhost:5555/random") ip =ip_response.read().decode('utf-8') proxy_handler =ProxyHandler({ 'http': 'http://'+ip, 'https': 'https://'+ip }) opener =build_opener(proxy_handler) try: response =opener.open('http://httpbin.org/get') print(response.read().decode('utf-8')) exceptURLError as e: print(e.reason)

运行结果：

1 2 3 4 5 6 7 8 9 10	{ "args": {}, "headers": { "Accept-Encoding": "identity", "Host": "httpbin.org", "User-Agent": "Python-urllib/3.7" }, "origin": "108.61.201.231, 108.61.201.231", "url": "https://httpbin.org/get" }

Urllib 使用 ProxyHandler 设置代理，参数是字典类型，键名为协议类型，键值是代理，代理前面需要加上协议，即 http 或 https，当请求的链接是 http 协议的时候，它会调用 http 代理，当请求的链接是 https 协议的时候，它会调用https代理，所以此处生效的代理是：http://108.61.201.231 和 https://108.61.201.231

ProxyHandler 对象创建之后，再利用 build_opener() 方法传入该对象来创建一个 Opener，这样就相当于此 Opener 已经设置好代理了，直接调用它的 open() 方法即可使用此代理访问链接

Requests

Requests 的代理设置只需要传入 proxies 参数：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15	importrequests # 获取IP ip_response =requests.get("http://localhost:5555/random") ip =ip_response.text proxies ={ 'http': 'http://'+ip, 'https': 'https://'+ip, } try: response =requests.get('http://httpbin.org/get', proxies=proxies) print(response.text) exceptrequests.exceptions.ConnectionError as e: print('Error', e.args)

运行结果：

1 2 3 4 5 6 7 8 9 10 11	{ "args": {}, "headers": { "Accept": "/", "Accept-Encoding": "gzip, deflate", "Host": "httpbin.org", "User-Agent": "python-requests/2.21.0" }, "origin": "47.90.28.54, 47.90.28.54", "url": "https://httpbin.org/get" }

Requests 只需要构造代理字典然后通过 proxies 参数即可设置代理，比较简单

Selenium

1 2 3 4 5 6 7 8 9 10 11 12 13	importrequests fromselenium importwebdriver importtime # 借助requests库获取IP ip_response =requests.get("http://localhost:5555/random") ip =ip_response.text chrome_options =webdriver.ChromeOptions() chrome_options.add_argument('--proxy-server=http://'+ip) browser =webdriver.Chrome(chrome_options=chrome_options) browser.get('http://httpbin.org/get') time.sleep(5)