付费代理的使用

Python3网络爬虫精华实战视频教程

点击上图立即了解学习限时优惠价308元

作者：崔庆才，Python技术控，爬虫博文访问量已过百万。喜欢钻研，热爱生活，乐于分享。《Python3网络爬虫开发实战》书籍作者。个人博客：静觅 |

相对免费代理来说，付费代理的稳定性更高。本节将介绍爬虫付费代理的相关使用过程。

一、付费代理分类

付费代理分为两类：

一类提供接口获取海量代理，按天或者按量收费，如讯代理；

一类搭建了代理隧道，直接设置固定域名代理，如阿布云代理。

本节分别以两家代表性的代理网站为例，讲解这两类代理的使用方法，

二、讯代理

讯代理的代理效率较高（作者亲测），官网为，如下图所示。

讯代理上可供选购的代理有多种类别，包括如下几种（参考官网介绍）。

优质代理：它适合对代理IP需求量非常大，但能接受较短代理有效时长（10~30分钟)的小部分不稳定的客户。

独享动态：它适合对代理IP稳定性要求非常高且可以自主控制的客户，支持地区筛选。

独享秒切：它适合对代理IP稳定性要求非常高且可以自主控制的客户，可快速获取IP，地区随机分配。

动态混拨： 它适合对代理IP需求量大、代理IP使用时效短（3分钟）、切换快的客户。

优质定制：如果优质代理的套餐不能满足你的需求，请使用定制服务。

一般选择第一类别优质代理即可，这种代理的量比较大，但是其稳定性不高，一些代理不可用。所以这种代理的使用就需要借助于上一节所说的代理池，自己再做一次筛选，以确保代理可用。

读者可以购买一天时长来试试效果。购买之后，讯代理会提供一个API来提取代理，如下图所示。

比如，这里提取API为ipagent/greatRecharge/getGreatIp?spiderId=da289b78fec24f19b392ef2a&orderno=YZmTTnd7&returnType=2&count=20，可能已过期，在此仅做演示。

在这里指定了提取数量为20，提取格式为JSON，直接访问链接即可提取代理，结果如下图所示。

接下来我们要做的就是解析这个JSON，然后将其放入代理池中。

如果信赖讯代理的话，我们也可以不做代理池筛选，直接使用代理。不过我个人还是推荐使用代理池筛选，以提高代理可用几率。

根据上一节代理池的写法，我们只需要在Crawler中再加入一个crawl开头的方法即可。方法实现如下所示：

def crawl_xdaili(self):        """        获取讯代理        :return: 代理        """        url = ipagent/greatRecharge/getGreatIp?spiderId=da289b78fec24f19b392ef2a&orderno=YZmTTnd7&returnType=2&count=20        html = get_page(url)        if html:            result = json.loads(html)            proxies = result.get(RESULT)            for proxy in proxies:                yield proxy.get(ip) + : + proxy.get(port)

这样我们就在代理池中接入了讯代理。获取讯代理的结果之后，解析JSON，返回代理即可。

代理池运行之后就会抓取和检测该接口返回的代理，如果代理可用，那么分数就会被设为100，通过代理池接口即可获取到这些可用代理。

三、阿布云代理

阿布云代理提供了代理隧道，代理速度快且非常稳定，其官网为，如下图所示。

阿布云代理主要分为两种：专业版和动态版，另外还有定制版（参考官网介绍）。

专业版：多个请求锁定一个代理IP，海量IP资源池需求，近300个区域全覆盖，代理IP可连续使用1分钟，它适用于请求IP连续型业务。

动态版：每个请求分配一个随机代理IP，海量IP资源池需求，近300个区域全覆盖，它适用于爬虫类业务。

定制版：它可以灵活按照需求定制，定制IP区域，定制IP使用时长，定制IP每秒请求数。

关于专业版和动态版的更多介绍可以查看官网：http-proxy/dyn-intro.html。

对于爬虫来说，我们推荐使用动态版，购买之后可以在后台看到代理隧道的用户名和密码，如下图所示。

整个代理的连接域名为proxy.abuyun.com，端口为9020，它们均是固定的，但是每次使用之后IP都会更改，该过程其实就是利用了代理隧道实现（参考官网介绍）。

云代理通过代理隧道的形式提供高匿名代理服务，支持HTTP/HTTPS协议。

云代理在云端维护一个全局IP池供代理隧道使用，池中的IP会不间断更新，以保证同一时刻IP池中有几十到几百个可用代理IP。

需要注意的是，代理IP池中部分IP可能会在当天重复出现多次。

动态版HTTP代理隧道会为每个请求从IP池中挑选一个随机代理IP。

无须切换代理IP，每一个请求分配一个随机代理IP。

HTTP代理隧道有并发请求限制，默认每秒只允许5个请求。如果需要更多请求数，请额外购买。

注意，默认套餐的并发请求是5个。如果需要更多请求数，则须另外购买。

使用教程的官网链接为：http-proxy/dyn-manual-python.html。教程提供了requests、urllib、Scrapy的接入方式。

现在我们以requests为例，接入代码如下所示：

import requestsurl = # 代理服务器proxy_host = proxy.abuyun.comproxy_port = 9020# 代理隧道验证信息proxy_user = H123Dproxy_pass = 12345proxy_meta = http://%(user)s:%(pass)s@%(host)s:%(port)s % {    host: proxy_host,    port: proxy_port,    user: proxy_user,    pass: proxy_pass,}proxies = {    http: proxy_meta,    https: proxy_meta,}response = requests.get(url, proxies=proxies)print(response.status_code)print(response.text)

这里其实就是使用了代理认证，在前面我们也提到过类似的设置方法，运行结果如下：

200{  "args": {},  "headers": {    "Accept": "*/*",    "Accept-Encoding": "gzip, deflate",    "Connection": "close",    "Host": "httpbin.org",    "User-Agent": "python-requests/2.18.1"  },  "origin": "60.207.237.111",  "url": ""}

输出结果的origin即为代理IP的实际地址。这段代码可以多次运行测试，我们发现每次请求origin都会在变化，这就是动态版代理的效果。

这种效果其实跟之前的代理池的随机代理效果类似，都是随机取出了一个当前可用代理。但是，与维护代理池相比，此服务的配置简单，使用更加方便，更省时省力。在价格可以接受的情况下，个人推荐此种代理。

四、结语

以上内容便是付费代理的相关使用方法，付费代理稳定性比免费代理更高。读者可以自行选购合适的代理。

下图扫码或点击阅读原文

报名学习崔老师的网络爬虫课程

已经1800人加入学习

限时优惠价308元