本项目其实就是个简单的代理服务器，经过小小的修改。加了个代理池进来。渗透、爬虫的时候很容易就会把自己ip给ban了，所以就需要ip代理池了。
ProxyPool
爬虫代理IP池项目,主要功能为定时采集网上发布的免费代理验证入库，定时验证入库的代理保证代理的可用性，提供API和CLI两种使用方式。同时你也可以扩展代理源以增加代理池IP的质量和数量。
-
文档: https://proxy-pool.readthedocs.io/zh/latest/
-
支持版本:
-
测试地址: http://demo.spiderpy.cn (勿压谢谢)
-
付费代理推荐: luminati-china. 国外的亮数据BrightData（以前叫luminati）被认为是代理市场领导者，覆盖全球的7200万IP，大部分是真人住宅IP，成功率扛扛的。付费套餐多种，需要高质量代理IP的可以注册后联系中文客服，开通后有5美金赠送和教程指引(PS:用不明白的同学可以参考这个使用教程)。
运行项目
下载代码:
-
git clone
git clone git@github.//github.com/jhao104/proxy_pool/releases 下载对应zip文件-
releases
https://github.com/jhao104/proxy_pool/releases 下载对应zip文件安装依赖:
pip install -r requirements.txt更新配置:
# setting.py 为项目配置文件
# 配置API服务
HOST = "0.0.0.0" # IP
PORT = 5000 # 监听端口
# 配置数据库
DB_CONN = 'redis://:pwd@127.0.0.1:8888/0'
# 配置 ProxyFetcher
PROXY_FETCHER = [
"freeProxy01", # 这里是启用的代理抓取方法名，所有fetch方法位于fetcher/proxyFetcher.py
"freeProxy02",
# ....
]启动项目:
# 如果已经具备运行条件, 可用通过proxyPool.py启动。
# 程序分为: schedule 调度程序 和 server Api服务
# 启动调度程序
python proxyPool.py schedule
# 启动webApi服务
python proxyPool.py serverDocker Image
docker pull jhao104/proxy_pool
docker run --env DB_CONN=redis://:password@ip:port/0 -p 5010:5010 jhao104/proxy_pool:latestdocker-compose
项目目录下运行:
docker-compose up -d使用
-
Api
启动web服务后, 默认配置下会开启 http://127.0.0.1:5010 的api接口服务:
-
爬虫使用
如果要在爬虫代码中使用的话， 可以将此api封装成函数直接使用，例如：
import requests
def get_proxy():
return requests.get("http://127.0.0.1:5010/get/").json()
def delete_proxy(proxy):
requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy))
# your spider code
def getHtml():
# ....
retry_count = 5
proxy = get_proxy().get("proxy")
while retry_count > 0:
try:
html = requests.get('http://www.example.com', proxies={"http": "http://{}".format(proxy)})
# 使用代理访问
return html
except Exception:
retry_count -= 1
# 删除代理池中代理
delete_proxy(proxy)
return None扩展代理
项目默认包含几个免费的代理获取源，但是免费的毕竟质量有限，所以如果直接运行可能拿到的代理质量不理想。所以，提供了代理获取的扩展方法。微信搜索公众号：Linux技术迷，回复：linux 领取资料 。
添加一个新的代理源方法如下:
-
1、首先在ProxyFetcher类中添加自定义的获取代理的静态方法， 该方法需要以生成器(yield)形式返回host:ip格式的代理，例如:
class ProxyFetcher(object): # .... # 自定义代理源获取方法 @staticmethod def freeProxyCustom1(): # 命名不和已有重复即可 # 通过某网站或者某接口或某数据库获取代理 # 假设你已经拿到了一个代理列表 proxies = ["x.x.x.x:3128", "x.x.x.x:80"] for proxy in proxies: yield proxy # 确保每个proxy都是 host:ip正确的格式返回 -
2、添加好方法后，修改setting.py文件中的PROXY_FETCHER项：
在PROXY_FETCHER下添加自定义方法的名字:
PROXY_FETCHER = ["freeProxy01","freeProxy02",# ...."freeProxyCustom1" # # 确保名字和你添加方法名字一致]
schedule 进程会每隔一段时间抓取一次代理，下次抓取时会自动识别调用你定义的方法。
免费代理源
目前实现的采集免费代理网站有(排名不分先后, 下面仅是对其发布的免费代理情况, 付费代理测评可以参考https://zhuanlan.zhihu.com/p/33576641):
https://mp.weixin.qq.com/s/8nBYhd4aSV-NXkw6fRj3VQ
