《探索Python Requests中的代理应用与实践》
requests加代理
高匿API代理
此处使用的小象代理:1元100个,便宜,可以购买尝试加下代理
存活期1到2分钟
import time
import requests
from lxml import etree
response = requests.get('https://api.xiaoxiangdaili.com/ip/get?appKey=1128886144755716096&appSecret=2ICgJR7q&cnt=&wt=json&method=https&city=&province=').json()
for ip in response['data']:
proxy = f'http://{ip["ip"]}:{ip["port"]}'
print(proxy)
proxies = {
'http': proxy,
'https': proxy
}
# 加代理
# requests是proxies: {
# 'http': proxy,
# 'https': proxy
# }
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0'
}
source = requests.get('https://tool.lu/ip/', proxies=proxies, headers=headers).content.decode('utf-8')
# source = requests.get('https://tool.lu/ip/', headers=headers).content.decode('utf-8')
IP = etree.HTML(source).xpath("//form[@id='main_form']/p[1]/text()")
print(f"IP: {IP}")
注意:
proxies = {
'http': proxy,
'https': proxy
}
这个指的是代理服务商提供的代理服务器支持什么请求,两个都加比较保险。
如果代理服务器支持http,但你发送https请求,代理服务器不会对你的请求进行转发,但是会消耗你的代理IP
隧道代理(短效版)
此处用的小象代理,1元1小时,便宜,可以尝试加下代理
介绍:
隧道代理,一分钟自动更换IP,不需要人为搭建代理IP池去加代理IP。
隧道代理有并发请求限制,默认每秒允许 5 个请求。
也可以手动切换代理IP(但切换间隔最低10秒):可以爬取网站报错时尝试手动切换IP。
但一般一分钟自动切换已经很快了
弊端:
- 有的网站跳转使它的代理IP加不上,但代理服务商提供的接口文档提供了解决方案
from lxml import etree
import requests
target_url = "https://tool.lu/ip/"
proxy_host = 'http-short.xiaoxiangdaili.com'
proxy_port = 10010
proxy_username = '1128907524343746560'
proxy_pwd = 'wZ3WMRtm'
proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
"host": proxy_host,
"port": proxy_port,
"user": proxy_username,
"pass": proxy_pwd,
}
proxies = {
'http': proxyMeta,
'https': proxyMeta,
}
try:
# 设置手动切换IP
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0',
'Proxy-Switch-Ip': 'true'
}
source = requests.get(url=target_url, proxies=proxies, headers=headers).content.decode('utf-8')
IP = etree.HTML(source).xpath("//form[@id='main_form']/p[1]/text()")
print(f"IP: {IP}")
# IP: ['你的外网IP地址是:110.88.30.181']
# IP: ['你的外网IP地址是:49.74.88.38']
except Exception as e:
print(e)
隧道代理(动态转发版)
隧道代理(动态转发)无须自己提取代理IP,在用户隧道内每一个请求通过一个随机 IP 进行转发,也就是ip存活时间不长。
弊端:
- IP存活时间不长
适用:
- 如果网站只是单纯的封ip,而不以IP生成cookie,并用cookie进行登录抓取数据,可以用动态转发版。
高匿API代理和隧道代理(短效版)
-
高匿API代理:可以取出来IP并看到,按量或按时购买
-
隧道代理:无法取出来IP并看到,隧道帮你切,只能按时购买
部署一个属于自己的可以获取代理IP的服务器
- 用户
- 调用普通服务器的IP加端口号,获取代理IP
- 普通服务器
- 开设一个端口:用来接受拨号服务器发来的IP
- 再开设一个端口:用来展示接受到的IP
- vps动态拨号服务器
- 拨号上网,关闭网络,之后服务器更换一次IP。
- 用miniproxy软件占用一个端口进行请求转发。
- 服务器有一套程序获取自身IP地址,利用socket协议与普通服务器进行通信,向普通服务器发送我们的IP,每更换一次IP就发送一次。
野生代理
市面上有野生代理,安全性低、稳定性差,不能用
来源:
- 黑客攻击别人电脑,在别人电脑开设端口:设置转发请求服务
- 如果别人电脑是个小服务器,可能IP可用时间还长点
- 如果别人电脑是个私人电脑,关机你就没法用了
- 代理服务器未知,可能会获取你的请求携带的隐私
刷票
刷票程序一般根据IP进行票数计算,可以根据代理IP进行刷票
简易代理IP池
此处用到redis数据库作为IP池
这个只是简易代理IP池,理解其思想即可,后续我会发布一个复杂代理IP池,是一个项目,可以用于实战的。
思想:
add_IP:如果IP池少于5,则补充,补充的IP初始分数为0
get_IP:取出一个代理IP,进行访问,访问失败,则分数加1,若分数小于3则插回IP池,若分数大于等于3则舍弃
-
代理IP池的补充
import time import requests import redis # 建立redis连接 r = redis.Redis(host='127.0.0.1', port=6379, db=4, decode_responses=True) # decode_responses=True: redis中存储二进制数据, True表示取出数据自动进行解码 while True: if r.llen("my_proxy") < 5: response = requests.get( 'https://api.xiaoxiangdaili.com/ip/get?appKey=1128886144755716096&appSecret=2ICgJR7q&cnt=5&wt=json&method=https&city=&province=').json() for ip in response['data']: proxy = f'{ip["ip"]}:{ip["port"]}|0' r.lpush('my_proxy', proxy) else: print("代理IP池已经满了") time.sleep(5)
-
代理IP池的弹出使用
import time import requests from lxml import etree import redis # 建立redis连接 r = redis.Redis(host='127.0.0.1', port=6379, db=4, decode_responses=True) while True: try: # 取出代理IP rr = r.rpop('my_proxy').split('|') ip = rr[0] score = int(rr[1]) # 添加代理IP proxy = f'http://{ip}' proxies = { 'http': proxy, 'https': proxy } print(f"代理IP: {proxy}") # 加代理 headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36 Edg/126.0.0.0' } source = requests.get('https://tool.lu/ip/', proxies=proxies, headers=headers) # source = requests.get('https://tool.lu/ip/', headers=headers).content.decode('utf-8') except Exception as e: print(e) if score < 3: score += 1 print(f'请求{ip}出错,分数为:{score}') r.lpush('my_proxy', f'{ip}|{score}') else: print(f'舍弃{ip}') continue IP = etree.HTML(source.content.decode('utf-8')).xpath("//form[@id='main_form']/p[1]/text()") print(f"IP: {IP}") print(f"状态码:{source.status_code}") if source.status_code in (200, 302): r.lpush('my_proxy', f'{ip}|0') else: if score < 3: score += 1 print(f'请求{ip}出错,分数为:{score}') r.lpush('my_proxy', f'{ip}|{score}') else: print(f'舍弃{ip}')