Python爬虫使用代理IP的实现

news2024/11/26 3:36:25

使用爬虫时，如果目标网站对访问的速度或次数要求较高，那么你的 IP 就很容易被封掉，也就意味着在一段时间内无法再进行下一步的工作。这时候代理 IP 能够给我们带来很大的便利，不管网站怎么封，只要能找到一个新的代理 IP 就可以继续进行下一步的研究。

目前很多网站都提供了一些免费的代理 IP 供我们使用，当然付费的会更好用一点。本文除了展示怎样使用代理 IP，也正好体验一下前面文章中搭建的代理 IP 池，不知道的可以点击这里：Python搭建代理IP池（一）- 获取 IP。只要访问代理池提供的接口就可以获取到代理 IP 了，接下来就看怎样使用吧！

在这里插入图片描述

API测试网址：http://www.jshk.com.cn/，访问该站点可以得到请求的一些相关信息，其中 origin 字段就是客户端的 IP，根据它来判断代理是否设置成功，也就是是否成功伪装了IP

获取 IP

代理池使用 Flask 提供了获取的接口：http://localhost:5555/random
只要访问这个接口再返回内容就可以拿到 IP 了

Urllib

先看一下 Urllib 的代理设置方法：

from urllib.error import URLError
import urllib.request
from urllib.request import ProxyHandler, build_opener
 
# 获取IP
ip_response = urllib.request.urlopen("http://localhost:5555/random")
ip = ip_response.read().decode('utf-8')
 
proxy_handler = ProxyHandler({
  'http': 'http://' + ip,
  'https': 'https://' + ip
})
opener = build_opener(proxy_handler)
try:
  response = opener.open('http://httpbin.org/get')
  print(response.read().decode('utf-8'))
except URLError as e:
  print(e.reason)

运行结果：

{
 "args": {},
 "headers": {
  "Accept-Encoding": "identity",
  "Host": "httpbin.org",
  "User-Agent": "Python-urllib/3.7"
 },
 "origin": "108.61.201.231, 108.61.201.231",
 "url": "https://httpbin.org/get"
}

Urllib 使用 ProxyHandler 设置代理，参数是字典类型，键名为协议类型，键值是代理，代理前面需要加上协议，即 http 或 https，当请求的链接是 http 协议的时候，它会调用 http 代理，当请求的链接是 https 协议的时候，它会调用https代理，所以此处生效的代理是：http://108.61.201.231 和 https://108.61.201.231
ProxyHandler 对象创建之后，再利用 build_opener() 方法传入该对象来创建一个 Opener，这样就相当于此 Opener 已经设置好代理了，直接调用它的 open() 方法即可使用此代理访问链接

Requests

Requests 的代理设置只需要传入 proxies 参数：

import requests
 
# 获取IP
ip_response = requests.get("http://localhost:5555/random")
ip = ip_response.text
 
proxies = {
  'http': 'http://' + ip,
  'https': 'https://' + ip,
}
try:
  response = requests.get('http://httpbin.org/get', proxies=proxies)
  print(response.text)
except requests.exceptions.ConnectionError as e:
  print('Error', e.args)

运行结果：

{
 "args": {},
 "headers": {
  "Accept": "*/*",
  "Accept-Encoding": "gzip, deflate",
  "Host": "httpbin.org",
  "User-Agent": "python-requests/2.21.0"
 },
 "origin": "47.90.28.54, 47.90.28.54",
 "url": "https://httpbin.org/get"
}

Requests 只需要构造代理字典然后通过 proxies 参数即可设置代理，比较简单。

Selenium

import requests
from selenium import webdriver
import time
 
# 借助requests库获取IP
ip_response = requests.get("http://localhost:5555/random")
ip = ip_response.text
 
chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('--proxy-server=http://' + ip)
browser = webdriver.Chrome(chrome_options=chrome_options)
browser.get('http://httpbin.org/get')
time.sleep(5)