我们上次说了伪装头部 ↓ python爬虫17 | 听说你又被封 ip 了,你要学会伪装好自己,这次说说伪装你的头部 让自己的 python 爬虫假装是浏览器 小帅b主要是想让你知道 在爬取网站的时候 要多的站在对方的角度想问题 其实 这和泡妞差不多 你要多站在妹纸的角度思考 她的兴趣是什么 她喜欢什么 而不是自己感动自己 单方面的疯狂索取 哦.. 扯远了 我们回到反爬虫 这次教你怎么伪装自己的 ip 地址 别让对方轻易的就把你给封掉 如何伪装呢 那么 接下来就是 学习 python 的正确姿势 其实 对于 python 来说 使用代理访问很简单 就拿我们经常使用的 requests 库来说 使用代理 ip 如下 定义代理IP proxie = { 'http' : 'http://xx..xxx:xxxx', 'http' : 'http://xxx.xx.:xxx', .... } 使用代理 response = requests.get(url,proxies=proxies) 这样就可以使用你定义的代理地址去访问网站了 我知道你要问了 代理地址哪里来 在网上有很多免费的代理 随便搜就有一堆了 不过你知道的 免费的话很多人都去使用 所以这些代理IP很不稳定 如果你有钱的话 市面上有人就专门提供代理IP的 直接去买就行了 不想花钱呢? 可以搞一个IP代理池 主要就是通过 python 程序去抓取网上大量免费的代理 ip 然后定时的去检测这些 ip 可不可以用 那么下次你要使用代理 ip 的时候 你只需要去自己的 ip 代理池里面拿就行了 道理都懂 但是不想自己弄一个代理池 有没有现成的? 不瞒你说 小帅b发现了一个不错的开源 ip 代理池 https://github.com/Python3WebSpider/ProxyPool.git 如何使用呢 首先使用 git clone 将源代码拉到你本地 git clone https://github.com/Python3WebSpider/ProxyPool.git 接着打开项目中的 setting.py 在这里可以配置相关信息 比如 Redis 的地址密码相关 (如果你之前没有使用过 redis 的话,可以到如下地址下载 https://github.com/MicrosoftArchive/redis/releases) 接着在你 clone 下来的文件目录中 安装相关所需的 python 模块 pip3 install -r requirements.txt 接下来开启你的 redis redis 的默认端口就是 6379 接着就可以运行 run.py 了 代理池开始运行 * Running on http://0.0.0.0:5555/ (Press CTRL+C to quit) 开始抓取代理 获取器开始执行 Crawling http://www.66ip.cn/1.html 正在抓取 http://www.66ip.cn/1.html 抓取成功 http://www.66ip.cn/1.html 200 成功获取到代理 201.69.7.108:9000 成功获取到代理 111.67.97.58:36251 成功获取到代理 187.32.159.61:51936 成功获取到代理 60.13.42.154:9999 成功获取到代理 106.14.5.129:80 成功获取到代理 222.92.112.66:8080 成功获取到代理 125.26.99.84:60493 ... 如果你在运行的时候出现这个错误 AttributeError: 'int' object has no attribute 'items'更新一下 redis 版本 pip3 install redis==2.10.6 运行 run.py 这时候在你的 redis 中就有爬取到的代理 ip 了 项目跑起来之后 你就可以访问你的代理池了 比如随机获取一个代理 ip 地址 http://localhost:5555/random 这样访问之后就会获取到一个代理 ip 在代码中获取代理也不在话下啦 import requests
PROXY_POOL_URL = 'http://localhost:5555/random'
def get_proxy(): try: response = requests.get(PROXY_POOL_URL) if response.status_code == 200: return response.text except ConnectionError: return None 恩 这样 我们就成功的在我们的代理池中获取代理 ip 了 那么下次谁还敢封你ip 你就拿出你的代理ip 继续爬呗 peace 帅b老仙 法力无边 |
|