python爬虫解决Github访问速度慢
说明
由于GitHub收到DNS污染，常常会无法登陆、访问速度慢。
可以采用网络上的一些方法，更改hosts。
但是GitHub的IP地址时不时会发生变化，使用ping有时又ping不通。单独查询每个IP地址又很麻烦。
故此使用python爬虫进行批量查询。
实现过程
1.通过https://www.ipaddress.com/可以查询到一系列GitHub网址的IP。通过开发者工具可以得到IP地址在网页中的位置。
2.使用python爬虫进行批量请求，将获得的IP地址保存下来。
import requests
from bs4 import BeautifulSoup
import os
import subprocess
class gitip:
def __init__(self, ip_list):
super().__init__()
self.ip_list = ip_list
self.header = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36'}
self.ip_1 = 'https://github.com.ipaddress.com/' # github.com
self.ip_2 = 'https://github.com.ipaddress.com/gist.github.com' # gist.github.com
self.ip_3 = 'https://github.com.ipaddress.com/assets-cdn.github.com' # assets-cdn.github.com
self.ip_4 = 'https://site.ip138.com/raw.githubusercontent.com/' # raw.githubusercontent.com
def get_1(self): # github.com
response = requests.get(self.ip_1, headers = self.header)
soup = BeautifulSoup(response.text, features = 'lxml')
self.ip_list.append(soup.find_all('ul', {'class': 'comma-separated'})[0].text + ' github.com')
def get_2(self):
response = requests.get(self.ip_2, headers = self.header)
soup = BeautifulSoup(response.text, features = 'lxml')
self.ip_list.append(soup.find_all('ul', {'class': 'comma-separated'})[0].text + ' gist.github.com')
def get_3(self):
response = requests.get(self.ip_3, headers = self.header)
soup = BeautifulSoup(response.text, features = 'lxml')
ips = soup.find_all('li')
for i in range(4):
self.ip_list.append(ips[i].text + ' assets-cdn.github.com')
def get_4(self):
response = requests.get(self.ip_4, headers = self.header)
soup = BeautifulSoup(response.text, features = 'lxml')
ip = soup.find_all('a', {'target': '_blank'})[25].text
self.ip_list.append(ip + ' raw.githubusercontent.com')
self.ip_list.append(ip + ' gist.githubusercontent.com')
self.ip_list.append(ip + ' cloud.githubusercontent.com')
self.ip_list.append(ip + ' camo.githubusercontent.com')
self.ip_list.append(ip + ' avatars0.githubusercontent.com')
self.ip_list.append(ip + ' avatars1.githubusercontent.com')
self.ip_list.append(ip + ' avatars2.githubusercontent.com')
self.ip_list.append(ip + ' avatars3.githubusercontent.com')
self.ip_list.append(ip + ' avatars4.githubusercontent.com')
self.ip_list.append(ip + ' avatars5.githubusercontent.com')
self.ip_list.append(ip + ' avatars6.githubusercontent.com')
self.ip_list.append(ip + ' avatars7.githubusercontent.com')
self.ip_list.append(ip + ' avatars8.githubusercontent.com')
if __name__ == '__main__':
ip_list = []
error = 0
github = gitip(ip_list)
try:
github.get_1()
except:
print('github.com 申请出错')
error+=1
try:
github.get_2()
except:
print('gist.github.com 申请出错')
error+=1
try:
github.get_3()
except:
print('assets-cdn.github.com 申请出错')
error+=1
try:
github.get_4()
except:
print('raw.githubusercontent.com 申请出错')
error+=1
# print(github.ip_list)
if error == 0:
for i in github.ip_list:
print(i)
try:
subprocess.run("explorer.exe %s" % 'C:\Windows\System32\drivers\etc')
except:
print('请打开文件路径 C:\Windows\System32\drivers\etc 更改hosts文件')
os.system('pause')
- 注：其中raw.githubusercontent.com这个网址在https://www.ipaddress.com/也无法查出IP地址，故转用https://site.ip138.com/。
3.当查询结束之后，程序将自动打开文件路径 C:\Windows\System32\drivers\etc 。
try:
subprocess.run("explorer.exe %s" % 'C:\Windows\System32\drivers\etc')
except:
print('请打开文件路径 C:\Windows\System32\drivers\etc 更改hosts文件')
此时只需更改这个目录下的hosts文件即可。(在hosts文件末尾添加)
修改完hosts之后别忘了在cmd中刷新DNS！！！
修改完hosts之后别忘了在cmd中刷新DNS！！！
修改完hosts之后别忘了在cmd中刷新DNS！！！
ipconfig /flushdns
代码下载
1.python代码以及打包好的exe文件已经存放在我的GitHub(欢迎Star~)。
2.如果你的GitHub下载实在太慢，可以移步百度网盘。文件夹名称为“github_ip”。
链接：https://pan.baidu.com/s/19xkAQXn4RZK039EG9z9SVw 提取码：xgaz
