《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}')

更多精致内容

posted @ 2024-07-12 14:22  存子  阅读(69)  评论(0)  编辑  收藏  举报