qq:800819103
在线客服,实时响应qq群
在线客服,实时响应客服电话
13318873961Python爬虫常用的小技巧-设置代理IP?在学习Python爬虫的时候,经常会遇见所要爬取的网站采取了反爬取技术导致爬取失败。高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力,所以同一个IP反复爬取同一个网页,就很可能被封,这里讲述一个爬虫技巧,设置代理IP
这里介绍一下免费获取代理IP的方法,这个方法的优点就是免费,但是缺点就是爬取后存在很多不能用的
IP地址取自国内髙匿代理IP网站,黑洞代理,我们爬取首页IP地址就足够一般使用,或者你也可以爬取第一页,第二页…的
配置环境
安装requests库
安装bs4库
安装lxml库
具体代码
话不多说直接上代码吧
函数get_ip_list(url, headers)传入url和headers,最后返回一个IP列表,列表的元素类似122.114.31.177:808格式,这个列表包括国内髙匿代理IP网站首页所有IP地址和端口
函数get_random_ip(ip_list)传入第一个函数得到的列表,返回一个随机的proxies,这个proxies可以传入到requests的get方法中,这样就可以做到每次运行都使用不同的IP访问被爬取的网站,有效地避免了真实IP被封的风险
proxies的格式是一个字典:{‘http’: ‘http://122.114.31.177:808‘},可以将下面的执行也封装为方法
对于抓取IP这个,犀牛代理服务器做了反爬处理,如果你频繁去抓取的话,服务器会主动返回503错误,提示block,所以在请求的时候可以先一次请求完保存一个文件,来读取这个文件,或者爬取一个ip使用几分钟后,再去爬取一次,相当于加一个定时功能
代理IP的使用
运行上面的代码会得到一个随机的proxies,把它直接传入requests的get方法中即可
res = requests.get(url, headers=headers, proxies=proxies)
这里想提醒的是,免费的代理IP稳定性还需要商榷,建议如何是大量的进行信息爬取的话还是购买一些代理IP比较好
相关文章内容简介
1 Python爬虫常用的小技巧-设置代理IP
Python爬虫常用的小技巧-设置代理IP?在学习Python爬虫的时候,经常会遇见所要爬取的网站采取了反爬取技术导致爬取失败。高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力,所以同一个IP反复爬取同一个网页,就很可能被封,这里讲述一个爬虫技巧,设置代理IP 这里介绍一下免费获取代理IP的方法,这个方法的优点就是免费,但是缺点... [阅读全文]
最新标签
推荐阅读
19
2019-06
租用国内代理ip要考虑几点
租用国内代理ip要考虑几点,我们知道互联网营销的业务中,经常会用到代理IP,最常见的有投票、抢购、注册等,其实发帖也是可以应用到的,例如在某论坛发帖,经常操作可能会被网站系统
13
2019-04
如何伪装自己的IP地址?黑洞IP代理轻松搞定
30
2019-04
用代理IP可以不被发现爬虫吗?
网络爬虫在爬取目标网站的时候,总是不知不觉就被发现了,然后关进了小黑屋不见天日。那么,到底是什么行为触发了目标网站的反爬机制呢,只有找出了原因才能解决问题,才能避免下次掉
10
2019-01
动态ip池如何搭建?三步便能搭建好动态ip池
动态ip池能够帮助爬虫提高爬取的效率,特别是大量的数据采集工作,更是需要使用动态ip池。那么爬虫爬取数据所需要的动态ip池如何搭建呢?
热门文章