网络爬虫ip代理软件 万变ip简单维护保养网络服务

ip代理

一、网页的检查

西刺代理网下的国内高匿部分，是一个很简单的get请求，唯一变化的就是url：

网页界面如下，很规则，很友好。下面开始写代码。

私信菜鸟007获取此案例源码！

# 定义一个主函数

2、拼接url

该步只需要一行代码，因此直接写在主函数中。

# 拼接url
url_new = url + str(page) + '/'

3、请求网页，获取响应。

主函数要尽量保持简洁，而把复杂的代码通过定义函数来实现，这里的第二步（即请求网页）和第三步（即获取响应）代码较多，这里通过建立函数：req_res来实现，由于urllib库已经介绍过，这里使用requests库来进行实现。代码如下：

# 构建请求函数，返回得到的响应
de

4、解析函数

获得响应之后，就要对响应进行解析了。这里也通过建立一个函数来实现。同样还是使用bs4.

代码如下：

# 构建解析函数,返回数据（以字典格式返回）
def parse_res(response,items):

5、保存数据

此处代码也较少，直接写在主函数中。

# 以CSV格式保存数据
df = pd.DataFrame(items)
df.to_csv('IP_data.csv',index=False,sep=',',encoding='utf-8-sig')

6、完整代码

这样一个爬取代理IP的完整流程代码就完成了。完整代码如下：

三、爬取结果

运行上述代码，西刺代理每页显示100条IP信息，这里以爬取前50页5000条IP信息为例。结果如下：

打开保存到本地的CSV文件，如下。可见5000条信息全部爬取成功。

四、IP验证

IP虽然爬取下来了，但是能不能用确是不一定的，实际上，代理IP一般都是收费的，所以免费的东西，自然没好货，不出意外的话，爬取下来的IP绝大多数是不能用的，所以需要验证下。

这里提供两种方法：

1、利用python。由于使用第二种方法，这里对第一种方法只提供想法。将爬取下来的ip使用requests库的代理方法，进行某个网页的访问，通过判断请求的响应码是否为200来判断ip是否可用（这里应该再加上个响应时间），若响应码为200则保留，否则剔除。但显然，这种方法太浪费时间。

2、利用一个叫花刺代理的软件，安装后，可直接批量检查爬取下来的IP是否可用，这里使用该软件对刚刚爬取下来的5000个IP进行检验。

首先，将刚刚爬取下来的数据通过以下代码：导出IP地址和端口信息，并保存为txt格式（该软件识别txt），代码如下。

import pandas as pd
data = pd.read_csv(r'C:\Users\zhche\Desktop\IP_data.csv',sep=',',encoding='utf-8-sig')
lists = data.values.tolist()
for list in lists:
 IP = list[0]
 port = list[4]
 
 proxy = str(IP) + ':' + str(port)
 
 with open('ip.txt','a',encoding = 'utf-8') as f:
 f.write(proxy+'
')

运行后，找到保存到本地的txt，如下：

然后，将该txt文件导入到花刺代理软件中，点击“验证全部”，结果如下。

没有看错，5000个IP中只有3个能用，得出一个至理——便宜没好货。

所以平时需要用数量来代替该不足，通过抓取上万个IP来寻找几个有用的。