您的位置: 首页 > 新闻资讯 > 常见问题 > 正文

万变ip代理python爬虫批量抓取ip代理

发布时间:2019年11月22日 来源:

ip代理

\"python爬虫批量抓取ip代理\"


使用爬虫抓取数据时,经常要用到多个ip代理,防止单个ip访问太过频繁被封禁。

ip代理可以从这个网站获取:http://www.xicidaili.com/nn/。

因此写一个python程序来获取ip代理,保存到本地。

python版本:3.6.3

1 #grab ip proxies from xicidaili
 2 import sys, time, re, requests
 3 from multiprocessing.dummy import Pool as ThreadPool
 4 from lxml import etree
 5 
 6 IP_POOL = 'ip_pool.py'
 7 URL = 'http://www.xicidaili.com/nn/' #IP代理 高匿
 8 #URL = 'http://www.xicidaili.com/wt/' #IP代理 http
 9 RUN_TIME = time.strftime(\"%Y-%m-%d %H:%M\", time.localtime()) #执行时间
10 
11 #用字典存放有效ip代理
12 alive_ip = {'http': [], 'https': []}
13 #多线程
14 pool = ThreadPool(20)
15 
16 #返回html文本
17 def get_html(url):
18 headers = {
19 \"User-Agent\": \"Mozilla/5.0 (Windows NT 10.0; WOW64; rv:55.0) Gecko/20100101 Firefox/55.0\",
20 \"Accept\": \"text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8\",
21 \"Accept-Language\": \"zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3\",
22 \"Accept-Encoding\": \"gzip, deflate\",
23 \"Referer\": \"https://www.xicidaili.com/\",
24 \"Connection\": \"keep-alive\",
25 \"Upgrade-Insecure-Requests\": \"1\"
26 }
27 r = requests.get(url, headers=headers)
28 r.encoding = 'utf-8'
29 return r.text
30 
31 #测试ip代理是否存活
32 def test_alive(proxy):
33 global alive_ip
34 proxies = {'http': proxy}
35 try:
36 r = requests.get('https://www.baidu.com', proxies=proxies, timeout=3)
37 if r.status_code == 200:
38 if proxy.startswith('https'):
39 alive_ip['https'].append(proxy)
40 else:
41 alive_ip['http'].append(proxy)
42 except:
43 print(\"%s无效!\"%proxy)
44 
45 #解析html文本,获取ip代理
46 def get_alive_ip_address():
47 iplist = []
48 html = get_html(URL)
49 selector = etree.HTML(html)
50 table = selector.xpath('//table[@id=\"ip_list\"]')[0]
51 lines = table.xpath('./tr')[1:]
52 for line in lines:
53 speed, connect_time = line.xpath('.//div/@title')
54 data = line.xpath('./td')
55 ip = data[1].xpath('./text()')[0]
56 port = data[2].xpath('./text()')[0]
57 anonymous = data[4].xpath('./text()')[0]
58 ip_type = data[5].xpath('./text()')[0]
59 #过滤掉速度慢和非高匿的ip代理
60 if float(speed[:-1])>1 or float(connect_time[:-1])>1 or anonymous != '高匿':
61 continue
62 iplist.append(ip_type.lower() + '://' + ip + ':' + port)
63 pool.map(test_alive, iplist)
64 
65 #把抓取到的有效ip代理写入到本地
66 def write_txt(output_file):
67 with open(output_file, 'w') as f:
68 f.write('#create time: %s

' % RUN_TIME)
69 f.write('http_ip_pool = \
')
70 f.write(str(alive_ip['http']).replace(',', ',
'))
71 f.write('

')
72 with open(output_file, 'a') as f:
73 f.write('https_ip_pool = \
')
74 f.write(str(alive_ip['https']).replace(',', ',
'))
75 print('write successful: %s' % output_file)
76 
77 def main():
78 get_alive_ip_address()
79 write_txt(output_file)
80 
81 if __name__ == '__main__':
82 try:
83 output_file = sys.argv[1] #第一个参数作为文件名
84 except:
85 output_file = IP_POOL
86 main()

运行程序:

root@c:test$ python get_ip_proxies.py
write successful: ip_pool.py

查看文件:

root@c:test$ vim ip_pool.py
 1 #create time: 2019-03-14 19:53
 2 
 3 http_ip_pool = \
 4 ['http://183.148.152.1:9999',
 5 'http://112.85.165.234:9999',
 6 'http://112.87.69.162:9999',
 7 'http://111.77.197.10:9999',
 8 'http://113.64.94.80:8118',
 9 'http://61.184.109.33:61320',
10 'http://125.126.204.82:9999',
11 'http://125.126.218.8:9999',
12 'http://36.26.224.56:9999',
13 'http://123.162.168.192:40274',
14 'http://116.209.54.125:9999',
15 'http://183.148.148.211:9999',
16 'http://111.177.161.111:9999',
17 'http://116.209.58.245:9999',
18 'http://183.148.143.38:9999',
19 'http://116.209.55.218:9999',
20 'http://114.239.250.15:9999',
21 'http://116.209.54.109:9999',
22 'http://125.123.143.98:9999',
23 'http://183.6.130.6:8118',
24 'http://183.148.143.166:9999',
25 'http://125.126.203.228:9999',
26 'http://111.79.198.74:9999',
27 'http://116.209.53.215:9999',
28 'http://112.87.69.124:9999',
29 'http://112.80.198.13:8123',
30 'http://182.88.160.16:8123',
31 'http://116.209.56.24:9999',
32 'http://112.85.131.25:9999',
33 'http://116.209.52.234:9999',
34 'http://175.165.128.223:1133',
35 'http://122.4.47.199:8010',
36 'http://112.85.170.204:9999',
37 'http://49.86.178.206:9999',
38 'http://125.126.215.187:9999']
39 
40 https_ip_pool = \
41 ['https://183.148.156.98:9999',
42 'https://111.79.199.167:808',
43 'https://61.142.72.150:39894',
44 'https://119.254.94.71:42788',
45 'https://221.218.102.146:33323',
46 'https://122.193.246.29:9999',
47 'https://183.148.139.173:9999',
48 'https://60.184.194.157:3128',
49 'https://118.89.138.129:52699',
50 'https://112.87.71.67:9999',
51 'https://58.56.108.226:43296',
52 'https://182.207.232.135:50465',
53 'https://111.177.186.32:9999',
54 'https://58.210.133.98:32741',
55 'https://115.221.116.71:9999',
56 'https://183.148.140.191:9999',
57 'https://183.148.130.143:9999',
58 'https://116.209.54.84:9999',
59 'https://125.126.219.125:9999',
60 'https://112.85.167.158:9999',
61 'https://112.85.173.76:9999',
62 'https://60.173.244.133:41306',
63 'https://183.148.147.223:9999',
64 'https://116.209.53.68:9999',
65 'https://111.79.198.102:9999',
66 'https://123.188.5.11:1133',
67 'https://60.190.66.131:56882',
68 'https://112.85.168.140:9999',
69 'https://110.250.65.108:8118',
70 'https://221.208.39.160:8118',
71 'https://116.209.53.77:9999',
72 'https://116.209.58.29:9999',
73 'https://183.148.141.129:9999',
74 'https://124.89.33.59:53281',
75 'https://116.209.57.149:9999',
76 'https://58.62.238.150:32431',
77 'https://218.76.253.201:61408']

之后就可以直接使用了

from ip_pool import http_ip_pool, https_ip_pool


\"python爬虫批量抓取ip代理\"


相关文章内容简介

1 普通,高级,超级,至尊专区介绍

专区介绍:1.普通专区(普通会员使用,可用静态2000线路)静态线路是指IP固定的线路,每条线路固定一个IP。2.高级专区(高级会员使用,可用静态,动态时效线路)动态时效线路是指线路IP会在1到20分钟内自动切换3.超级专区(超级会员使用,可用静态,动态时效,动态,混拨)混拨线路是指随机选择线路进行连接4.至尊专区(至尊会员使用,可用独享高速在内所有,网速更优) 独享线路为单人连接使用的线路,高速线路是电脑端的网速最快的线路... [阅读全文]

2 万变IP功能简介

地区覆盖全国258个城市,8000万条IP地址库 多平台支持,支持电脑windows、苹果iOS、安卓Android 支持多种IP混拨模式,全国混拨+单地区混拨+指定地区混拨 支持静态固定线路,动态高网速线路 高匿名ip,保护隐私,防追踪 多协议支持,支持L2TP/SE驱动/open协议 极速的切换体验,更换速度低于100ms 网速保证您的工作效率,自建服务器网速更快 自动切换IP,支持任意时长定时自动切换 自动清理:清理缓存cookie,提升运行速度... [阅读全文]

因为专业! 所以简单! 产品至上,价格实惠 是我们服务追求的宗旨

免费试用