搭建一个免费代理IP池，妈妈再也不用担心我没有IP用了

news2025/1/12 4:54:29

背景

爬虫工作才刚刚开始，突然IP被限制了，怎么办？他们告诉我，可以去买代理IP呀。

可是我翻了5遍裤兜，查了8张银行卡，却只有1块钱，根本买不起啊。

突然，隔壁部门的同事的姐姐的妈妈的婶婶的舅妈的孙女告诉我，可以采集免费代理IP呀。

我心想，对呀，免费代理IP不用钱啊，搞起来。

经过我一番研究，确认了思路，于是开干。

1. 确定代理IP池的抓取源

2. 编写代理IP抓取程序

3. 筛选和验证代理IP

4. 定期更新代理IP列表

5.代码示例

总结

搭建免费代理IP池可以通过以下几个步骤：

1. 确定代理IP池的抓取源

在构建免费代理IP池之前，首先需要确定代理IP的抓取源。可以在网上搜索免费的代理IP网站，或者使用爬虫去抓取免费的代理IP，获取有效代理IP的方法很多，可以选择适合自己的方法。

2. 编写代理IP抓取程序

编写代理IP抓取程序是获取有效代理IP不可或缺的一步，可以使用 Python 等编程语言编写程序，通过网络请求、正则表达式、BeautifulSoup等技术抓取免费代理IP池，最终把有效的代理IP存储到一个数据库或者文件中。

3. 筛选和验证代理IP

得到有效代理IP后，需要对其进行筛选和验证。可以使用一些网络请求库来对代理IP进行验证，判断响应状态、响应时间等指标来筛选出可用的代理IP。

4. 定期更新代理IP列表

代理IP的可用性是有一定时效性的，有可能一个可用的代理IP在某个时间点失效了，所以代理IP池需要定期更新。可以通过定时运行代理IP抓取程序，或者定时检查代理IP列表并删除失效的IP，然后再进行新的筛选和验证，保持代理IP池的可用性。

以上便是搭建免费代理IP池的主要步骤。需要注意的是，在构建自己的代理IP池时，建议使用合法、可靠、安全的代理IP，以免给自己和他人造成不必要的麻烦。

5.代码示例

以下是使用 Python 进行搭建免费代理IP池的代码示例：

首先，需要使用 requests 库向代理IP网站发起请求并解析网页，完成代理IP的抓取：

import requests

from bs4 import BeautifulSoup



def get_proxies():

    url = 'https://www.zdaye.com' # 代理IP网站

    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}

    r = requests.get(url, headers=headers)

    soup = BeautifulSoup(r.content, 'html.parser')

    table = soup.find('table', {'class': 'layui-table'})

    rows = table.find_all('tr')

    proxies = []



    for row in rows[1:]:

        cols = row.find_all('td')

        if cols[2].get_text() == '高匿名':

            proxy = {

                'http': 'http://%s:%s' % (cols[0].get_text(), cols[1].get_text()), # 构造代理IP

                'https': 'https://%s:%s' % (cols[0].get_text(), cols[1].get_text())

            }

            proxies.append(proxy)

    

    return proxies

接下来，需要对得到的代理IP进行验证和筛选。通过在验证时设置超时时间，可以实现对代理IP可用性的判断：


import time

def check_proxy(proxy):

    url = 'http://httpbin.org/ip'

    try:

        response = requests.get(url, proxies=proxy, timeout=5)

        if response.status_code == 200:

            return True

    except:

        return False

def filter_proxies(proxies):

    filtered_proxies = []

    for proxy in proxies:

        if check_proxy(proxy):

            filtered_proxies.append(proxy)

        time.sleep(0.5) # 为避免过度频繁的请求，每验证一个代理IP，休眠 0.5 秒再进行下一次验证

    return filtered_proxies

最后，可以将筛选后的代理IP存储到本地文件中或者写入数据库：

import json



def save_proxies(proxies, filename):

    with open(filename, 'w') as f:

        json.dump(proxies, f)



def read_proxies(filename):

    with open(filename, 'r') as f:

        proxies = json.load(f)

    return proxies

最后，可以将以上代码串起来，实现搭建免费代理IP池：

proxies = get_proxies()

filtered_proxies = filter_proxies(proxies)

if len(filtered_proxies) > 0:

    save_proxies(filtered_proxies, 'proxies.json')

    print('已筛选可用代理IP共 %d 个' % len(filtered_proxies))

else:

    print('未能获取到有效代理IP')

使用以上代码可以实现对免费代理IP池的搭建，需要注意的是，代理IP网站和验证方式可以根据实际情况进行调整。