首页 > 编程知识 正文

python爬虫代理怎么使用,python爬虫如何使用代理ip

时间:2023-05-06 20:44:01 阅读:243617 作者:4374

相对免费代理来说,付费代理的稳定性相对更高一点,本节介绍一下爬虫付费代理的相关使用过程。

1. 付费代理分类

在这里将付费代理分为两类:

提供接口获取海量代理,按天或者按量付费,如讯代理搭建了代理隧道,直接设置固定域名代理,如可爱的网络

本节讲解一下这两种代理的使用方法,分别以两家代表性的代理网站为例进行讲解。

2. 讯代理

Python资源共享群:484031800

讯代理个人使用过代理有效率还是蛮高的,此处非广告,其官网为: http://www.xdaili.cn/ ,如图 9-5 所示:

 

图 9-5 讯代理官网

有多种类别的代理可供选购,摘抄其官网的各类别代理介绍如下:

优质代理: 适合对代理IP需求量非常大,但能接受代理有效时长较短(10~30分钟),小部分不稳定的客户独享动态: 适合对代理IP稳定性要求非常高,且可以自主控制的客户,支持地区筛选。独享秒切: 适合对代理IP稳定性要求非常高,且可以自主控制的客户,快速获取IP,地区随机分配动态混拨: 适合对代理IP需求量大,代理IP使用时效短(3分钟),切换快的客户优质定制: 如果优质代理的套餐不能满足您的需求,请使用定制服务

一般选择第一类别优质代理即可,代理量比较大,但是代理的稳定性没那么高,有一些代理也是不可用的,所以这种代理的使用方式就需要借助于上一节所说的代理池,我们自己再做一次筛选,确保代理可用。

可以购买一天的试一下效果,购买之后会提供一个 API 来提取代理,如图 9-6 所示:

 

 

 

 

 

图 9-6 提取页面

比如在这里我的提取 API 为: http://www.xdaili.cn/ipagent/greatRecharge/getGreatIp?spiderId=da289b78fec24f19b392e04106253f2a&orderno=YZ20177140586mTTnd7&returnType=2&count=20 ,可能已过期,在此仅做演示。

在这里指定了提取数量为 20,提取格式为 Json,直接访问链接即可提取代理,结果如图 9-7 所示:

 

 

 

 

 

图 9-7 提取结果

接下来我们要做的就是解析这个 Json,然后将其放入我们的代理池中。

当然如果信赖讯代理的话也可以不做代理池筛选,直接使用,不过我个人还是推荐再使用代理池筛选一遍,提高可用几率。

根据上一节代理池的写法,我们只需要在 Crawler 中再加入一个 crawl 开头的方法即可。

方法实现如下:

def crawl_xdaili(self):        """        获取讯代理        :return: 代理        """        url = 'http://www.xdaili.cn/ipagent/greatRecharge/getGreatIp?spiderId=da289b78fec24f19b392e04106253f2a&orderno=YZ20177140586mTTnd7&returnType=2&count=20'        html = get_page(url)        if html:            result = json.loads(html)            proxies = result.get('RESULT')            for proxy in proxies:                yield proxy.get('ip') + ':' + proxy.get('port')

这样我们就在代理池中接入了讯代理,获取讯代理的结果之后,解析 Json,返回代理即可。

这样代理池运行之后就会抓取和检测该接口返回的代理了,如果可用,那么就会被设为 100,通过代理池接口即可获取到。

以上以讯代理为例说明了此种批量提取代理的使用方法。

3. 可爱的网络代理

可爱的网络代理提供了代理隧道,代理速度快而且非常稳定,此处依然非广告,其官网为: https://www.abuyun.com/ ,如图 9-8 所示:

 

 

 

 

 

图 9-8 可爱的网络官网

可爱的网络的代理主要分为两种,专业版和动态版,另外还有定制版,摘抄官网的介绍如下:

专业版,多个请求锁定一个代理 IP,海量 IP 资源池需求,近 300 个区域全覆盖,代理 IP 可连续使用1分钟,适用于请求 IP 连续型业务动态版,每个请求一个随机代理 IP,海量 IP 资源池需求,近 300 个区域全覆盖,适用于爬虫类业务定制版,灵活按照需求定制,定制 IP 区域,定制 IP 使用时长,定制 IP 每秒请求数

关于专业版和动态版的更多介绍可以查看官网: https://www.abuyun.com/http-proxy/dyn-intro.html 。

对于爬虫来说,推荐使用动态版,购买之后可以在后台看到代理隧道的用户名和密码,如图 9-9 所示:

 

 

 

 

 

图 9-9 可爱的网络代理后台

可以发现整个代理的连接域名为 proxy.abuyun.com,端口为 9020,均是固定的,但是使用之后每次的 IP 都会更改,这其实就是利用了代理隧道实现。

其官网原理介绍如下:

云代理通过代理隧道的形式提供高匿名代理服务,支持 HTTP/HTTPS 协议。云代理在云端维护一个全局 IP 池供代理隧道使用,池中的 IP 会不间断更新,以保证同一时刻 IP 池中有几十到几百个可用代理IP。需要注意的是代理IP池中有部分 IP 可能会在当天重复出现多次。动态版HTTP代理隧道会为每个请求从 IP 池中挑选一个随机代理 IP。无须切换代理 IP,每一个请求一个随机代理IP。HTTP代理隧道有并发请求限制,默认每秒只允许 5 个请求。如果需要更多请求数,请额外购买。

注意默认套餐的并发请求是 5 个,如果需要更多需要另外购买。

使用的教程在官网也有,链接为: https://www.abuyun.com/http-proxy/dyn-manual-python.html ,提供了 Requests、Urllib、Scrapy 的接入方式。

以 Requests 为例,接入示例如下:

import requests url = 'http://httpbin.org/get' # 代理服务器proxy_host = 'proxy.abuyun.com'proxy_port = '9020' # 代理隧道验证信息proxy_user = 'H01234567890123D'proxy_pass = '0123456789012345' proxy_meta = 'http://%(user)s:%(pass)s@%(host)s:%(port)s' % {    'host': proxy_host,    'port': proxy_port,    'user': proxy_user,    'pass': proxy_pass,}proxies = {    'http': proxy_meta,    'https': proxy_meta,}response = requests.get(url, proxies=proxies)print(response.status_code)print(response.text)

在这里其实就是使用了代理认证,在前面我们也提到过类似的设置方法,运行结果如下:

200{  "args": {},   "headers": {    "Accept": "*/*",     "Accept-Encoding": "gzip, deflate",     "Connection": "close",     "Host": "httpbin.org",     "User-Agent": "python-requests/2.18.1"  },   "origin": "60.207.237.111",   "url": "http://httpbin.org/get"}

输出结果的 origin 即为代理IP的实际地址,可以多次运行测试,可以发现每次请求 origin 都会在变化,这就是动态版代理的效果。

这种效果其实跟我们之前的代理池的随机代理效果类似,都是随机取出了一个当前可用代理。

但是此服务相比于维护代理池来说,使用更加方便,配置简单,省时省力,在价格可以接受的情况下,个人推荐此种代理。

4. 结语

以上便是付费代理的相关使用方法,稳定性相比免费代理更高,可以自行选购合适的代理。

版权声明:该文观点仅代表作者本人。处理文章:请发送邮件至 三1五14八八95#扣扣.com 举报,一经查实,本站将立刻删除。