反爬利器--设置代理服务器

1. 代理简介

　　很多网站都会检测某一段时间某个IP的访问次数，如果同一个IP访问过于频繁，那么该网站就会禁止来自该IP的访问，针对这种情况，可以使用代理服务器，每隔一段时间换一个马甲。“他强任他强，劳资会变翔”哈哈哈。

　　免费的开放代理获取无成本，我们可以收集这些免费代理，测试后如果可以用，用在爬虫上。

　　免费短期代理网站举例：

• 西刺免费代理IP
• 快代理免费代理
• Proxy360代理
• 全网代理IP

名词解释：

免费短期代理网站分高匿和透明

【高匿】：代表服务器追踪不到你原来的IP;

【透明】：代表服务器可以追踪到你的代理IP和原来的IP;

类型表示支持的类型：HTTP或者HTTPS

【存活的时间】：表示在这个期间可用

 

2.设置代理服务器

urllib.request中通过ProxyHandler来设置使用代理服务器，下面代码说明如何使用自定义opener来使用代理：

例子1：单个代理IP

 

import urllib.request

# 构建两个代理Handler，一个有代理IP，一个没有
httpproxy_handler = urllib.request.ProxyHandler({"http": "211.141.111.114:61395"})
nullproxy_handler = urllib.request.ProxyHandler({})
proxy_switch = True  # 定义一个代理开关

# 通过urllib.request.build_opener() 方法创建自定义opener对象
# 根据代理开关是否打开，使用不同的代理模式
if proxy_switch:
    opener = urllib.request.build_opener(httpproxy_handler)
else:
    opener = urllib.request.build_opener(nullproxy_handler)

request = urllib.request.Request("http://www.baidu.com")
response = opener.open(request)
print(response.read())

　　注意：

　　如果程序中所有的请求都使用自定义的opener， 可以使用urllib.install_opener()将自定义的opener定义为全局opener，表示之后凡是调用urlopen，都将使用自定义的opener。

 

例子2：代理IP列表随机抽取

如果代理IP足够多，就可以像随机获取User-Agent一样，随机选择一个代理去访问网站。

 

import urllib.request
import random

proxy_list = [
    {"http": "211.141.111.114:61395"},
    {"http": "61.135.217.7:80"},
    {"http": "171.39.74.97:8123"},
    {"http": "218.59.228.18:61976"},
    {"http": "221.224.136.211:35101"},
]

# 随机选择一个代理
proxy = random.choice(proxy_list)

# 使用选择的代理构建代理处理器对象
httpproxy_handler = urllib.request.ProxyHandler(proxy)
opener = urllib.request.build_opener(httpproxy_handler)
request = urllib.request.Request("http://www.baidu.com")
response = opener.open(request)
print(response.read())

 

这些免费开放代理一般会有很多人都在使用，而且代理有寿命短，速度慢，匿名度不高，HTTP/HTTPS支持不稳定等缺点（免费没好货）。

 

所以，专业爬虫工程师或爬虫公司会使用高品质的私密代理，这些代理通常需要找专门的代理供应商购买，再通过用户名/密码授权使用。