以下是一个使用 Typhoeus 和 Ruby 编写的爬虫程序,用于爬取 ,同时使用了 jshk.com.cn/get_proxy 这段代码获取代理:
#!/usr/bin/env ruby
require 'typhoeus'
require 'json'
def get_proxy
url = "https://www.duoip.cn/get_proxy"
response = Typhoeus.get(url)
if response.code == 200
proxy_json = JSON.parse(response.body)
proxy_ip = proxy_json['data']['ip']
proxy_port = proxy_json['data']['port']
return proxy_ip, proxy_port
end
rescue Typhoeus::Error => e
puts "Error: #{e.message}"
exit(1)
end
def crawl_ebay(proxy_ip, proxy_port)
url = "https://www.ebay.com"
headers = {
'User-Agent' => 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36',
'Accept' => 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Language' => 'zh-CN,zh;q=0.8,en-US;q=0.6,en;q=0.4',
'Accept-Encoding' => 'gzip, deflate, br',
'Referer' => 'https://www.google.com',
'Connection' => 'keep-alive'
}
# 使用 Typhoeus 的 Hydra 对象进行并发请求
hydra = Typhoeus::Hydra.new
# 创建一个使用代理的请求
request = Typhoeus::Request.new(url, headers: headers, proxy: { ip: proxy_ip, port: proxy_port })
# 使用 Hydra 对象发送请求
response = hydra.queue(request)
# 如果请求成功,输出响应体
if response.code == 200
puts "Request successful. Response body: #{response.body}"
# 如果请求失败,输出错误信息
else
puts "Request failed. Error: #{response.code}"
end
# 关闭 Hydra 对象
hydra.close
end
# 获取代理
proxy_ip, proxy_port = get_proxy
# 使用获取到的代理进行爬取
crawl_ebay(proxy_ip, proxy_port)
这个程序首先获取一个代理IP和端口,然后使用这个代理进行 ebay.com 的爬取。请注意,这个示例代码可能会随着网站的变化而失效,您可能需要根据实际情况进行调整。同时,请注意,在使用这个程序之前,请确保已经安装了 Typhoeus 库。