python爬蟲利用代理池更換IP的方法步驟
0. 前言
周日在爬一個國外網站的時候,發現用協程並發請求,並且請求次數太快的時候,會出現對方把我的服務器IP封掉的情況。於是網上找瞭一下開源的python代理池,這裡選擇的是star數比較多的proxy_pool
1. 安裝環境
# 安裝python虛擬環境, python環境最好為python3.6,再往上的話,安裝依賴時會報錯 sudo apt update sudo apt install python3.6 pip3 install virtualenv virtualenv venv --python=python3.6 source venv/bin/activate # 安裝redis sudo apt install redis-server # 啟動redis server redis-server
2. 安裝依賴
git clone https://github.com/jhao104/proxy_pool.git cd proxy_pool pip install -r requirements.txt
3. 修改配置文件
# 修改setting.py # 配置API服務 HOST = "0.0.0.0" # IP PORT = 5010 # 監聽端口 # 配置數據庫 # 以下為三個示例,根據redis的配置,選擇其中一種即可 # 一般啟動redis時如果沒有配置文件,那麼選擇第一種即可 # 1. Redis IP: 127.0.0.1 Port: 6379 DB_CONN = 'redis://@127.0.0.1:6379' # 2. Redis IP: 127.0.0.1 Port: 6379 Password: 123456 DB_CONN = 'redis://:[email protected]:6379' # 3. Redis IP: 127.0.0.1 Port: 6379 Password: 123456 DB: 15 DB_CONN = 'redis://:[email protected]:6379/15' # 配置 ProxyFetcher PROXY_FETCHER = [ "freeProxy01", # 這裡是啟用的代理抓取方法名,所有fetch方法位於fetcher/proxyFetcher.py "freeProxy02", # .... ]
4. 啟動
# 可以用tmux開三個窗口 # 啟動調度程序 python proxyPool.py schedule # 啟動webApi服務 python proxyPool.py server
5. 測試
import requests def get_proxy(): return requests.get("http://127.0.0.1:5010/get/").json() def delete_proxy(proxy): requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy)) # your spider code def getHtml(): # .... retry_count = 5 proxy = get_proxy().get("proxy") while retry_count > 0: try: html = requests.get('http://www.example.com', proxies={"http": "http://{}".format(proxy)}) # 使用代理訪問 return html except Exception: retry_count -= 1 # 刪除代理池中代理 delete_proxy(proxy) return None
更多的用法和文檔請參考:document 和 https://github.com/jhao104/proxy_pool
到此這篇關於python爬蟲利用代理池更換IP的方法步驟的文章就介紹到這瞭,更多相關python 代理池更換IP內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!