爬虫之proxy(代理)
proxy简介
proxy即为代理,我们爬虫的时候肯定会有频繁访问某一网站的情况,这个时候有些服务器会识别到我们是非正常访问,就会把我们的IP禁掉,这个时候就需要用代理了。
就好比现实生活中,我需要向A借一件东西,但是我跟A是仇人,直接向他借的话他不会借给我,这个时候我就让B帮我像A借,就说他要用,然后B借到东西之后再把东西给我用,这时,B就是我的代理了。
常用的免费代理网站:http://www.goubanjia.com/。
爬虫应该选择什么样的代理?
- 针对不需要用户登录,cookie验证的网站,一般选择动态高匿代理。
- 对于需要用户登录,身份认证的。一般选择静态IP
使用proxy的步骤
- 设置代理地址
1
proxy
=
{
'http'
:
'52.187.162.198:3128'
}
- 创建ProxyHeader
1
proxyHeader
=
request.ProxyHandler(proxy)
- 创建Opener
1
opener
=
request.build_opener(proxyHeader)
- 安装Opener
1
request.install_opener(opener)
示例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
from urllib import request # 设置代理地址 proxy = { 'http' : '52.187.162.198:3128' } # 创建ProxyHeader proxyHeader = request.ProxyHandler(proxy) # 创建Opener opener = request.build_opener(proxyHeader) # 安装Opener request.install_opener(opener) # 然后剩下的就跟正常使用差不多,只不过此时的request已经是绑定了代理之后的request url = 'https://www.taobao.com/' req = request.Request(url) response = request.urlopen(req) print (response.read().decode()) |