当前位置 博文首页 > python爬虫利用代理池更换IP的方法步骤

    python爬虫利用代理池更换IP的方法步骤

    作者:y4ung 时间:2021-07-25 11:52

    0. 前言

    周日在爬一个国外网站的时候,发现用协程并发请求,并且请求次数太快的时候,会出现对方把我的服务器IP封掉的情况。于是网上找了一下开源的python代理池,这里选择的是star数比较多的proxy_pool

    1. 安装环境

    # 安装python虚拟环境, python环境最好为python3.6,再往上的话,安装依赖时会报错
    sudo apt update
    sudo apt install python3.6
    pip3 install virtualenv
    virtualenv venv --python=python3.6
    source venv/bin/activate
    
    # 安装redis
    sudo apt install redis-server
    # 启动redis server
    redis-server
    
    

     2. 安装依赖

    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服务
    
    HOST = "0.0.0.0"    # IP
    PORT = 5010     # 监听端口
    
    # 配置数据库
    
    # 以下为三个示例,根据redis的配置,选择其中一种即可
    # 一般启动redis时如果没有配置文件,那么选择第一种即可
    # 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://:123456@127.0.0.1:6379'
    # 3. Redis IP: 127.0.0.1 Port: 6379 Password: 123456 DB: 15
    DB_CONN = 'redis://:123456@127.0.0.1:6379/15'
    
     
    
    # 配置 ProxyFetcher
    
    PROXY_FETCHER = [
     "freeProxy01",  # 这里是启用的代理抓取方法名,所有fetch方法位于fetcher/proxyFetcher.py
     "freeProxy02",
     # ....
    ]
    
    

    4. 启动

    # 可以用tmux开三个窗口
    
    # 启动调度程序
    python proxyPool.py schedule
    
    # 启动webApi服务
    python proxyPool.py server
    
    

    5. 测试

    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)})
       # 使用代理访问
       return html
      except Exception:
       retry_count -= 1
     # 删除代理池中代理
     delete_proxy(proxy)
     return None
    
    

    更多的用法和文档请参考:document 和 https://github.com/jhao104/proxy_pool

    jsjbwy
    下一篇:没有了