代理服务的介绍：
我们在做爬虫的过程中经常最初爬虫都正常运行，正常爬取数据，一切看起来都是美好，然而一杯茶的功夫就出现了错误。如：403 Forbidden错误，“您的IP访问频率太高”错误，或者跳出一个验证码让我们输入，之后解封，但过一会又出现类似情况。出现这个现象的原因是因为网站采取了一些反爬中措施，如：服务器检测IP在单位时间内请求次数超过某个阀值导致，称为封IP。为了解决此类问题，代理就派上了用场，如：代理软件、付费代理、ADSL拨号代理，以帮助爬虫脱离封IP的苦海。测试HTTP请求及响应的网站:http://httpbin.org/GET地址 ：http://httpbin.org/getPOST地址：http://httpbin.org/posthttpbin这个网站能测试 HTTP 请求和响应的各种信息，比如 cookie、ip、headers 和登录验证等.且支持 GET、POST 等多种方法，对 web 开发和测试很有帮助。它用 Python + Flask 编写，是一个开源项目。开源地址：返回信息中origin的字段就是客户端的IP地址，即可判断是否成功伪装IP：代理的设置：
① urllib的代理设置
from urllib.error import URLError from urllib.request import ProxyHandler, build_opener proxy = 127.0.0.1:8888 #需要认证的代理 #proxy = username:[email protected]:8888 #使用ProxyHandler设置代理 proxy_handler = ProxyHandler({ http: http:// + proxy, https: https:// + proxy }) #传入参数创建Opener对象 opener = build_opener(proxy_handler) try: response = opener.open( print(response.read().decode(utf-8)) except URLError as e: print(e.reason)② requests的代理设置
import requests proxy = 127.0.0.1:8888 #需要认证的代理 #proxy = username:[email protected]:8888 proxies = { http: http:// + proxy, https: https:// + proxy, } try: response = requests.get( proxies=proxies) print(response.text) except requests.exceptions.ConnectionError as e: print(Error, e.args)③ Selenium的代理使用
使用的是PhantomJSfrom selenium import webdriver service_args = [ --proxy=127.0.0.1:9743, --proxy-type=http, #--proxy-auth=username:password #带认证代理 ] browser = webdriver.PhantomJS(service_args=service_args) browser.get( print(browser.page_source) 使用的是Chromefrom selenium import webdriver proxy = 127.0.0.1:9743 chrome_options = webdriver.ChromeOptions() chrome_options.add_argument(--proxy-server=http:// + proxy) chrome = webdriver.Chrome(chrome_options=chrome_options) chrome.get(④ 在Scrapy使用代理
#在Scrapy的Downloader Middleware中间件里 ... def process_request(self, request, spider): request.meta[proxy] = :9743 ...免费代理IP的使用
我们可以从互联网中获取免费的代理IP：如：西刺
import requests,random #定义代理池 proxy_list = [ 182.39.6.245:38634, 115.210.181.31:34301, 123.161.152.38:23201, 222.85.5.187:26675, 123.161.152.31:23127, ] # 随机选择一个代理 proxy = random.choice(proxy_list) proxies = { http: http:// + proxy, https: https:// + proxy, } try: response = requests.get( proxies=proxies) print(response.text) except requests.exceptions.ConnectionError as e: print(Error, e.args)收费代理IP的使用
收费代理还是很多的如：
西刺讯代理快代理大象代理在requests中使用收费代理
import requests # 从代理服务中获取一个代理IP proxy = requests.get("?tid=1681&num=1").text proxies = { http: http:// + proxy, https: https:// + proxy, } try: response = requests.get( proxies=proxies) print(response.text) except requests.exceptions.ConnectionError as e: print(Error, e.args)