python獲取代理IP的實例分享

更新時間：2018年05月07日 09:53:02 作者：HelloHaibo

今天小編就為大家分享一篇python獲取代理IP的實例分享，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

平時當我們需要爬取一些我們需要的數(shù)據(jù)時，總是有些網(wǎng)站禁止同一IP重復(fù)訪問，這時候我們就應(yīng)該使用代理IP，每次訪問前偽裝自己，讓“敵人”無法察覺。

oooooooooooooooOK，讓我們愉快的開始吧！

這個是獲取代理ip的文件，我將它們模塊化，分為三個函數(shù)

注：文中會有些英文注釋，是為了寫代碼方便，畢竟英文一兩個單詞就ok了

#!/usr/bin/python
#-*- coding:utf-8 -*-
"""
author:dasuda
"""
import urllib2
import re
import socket
import threading
findIP = [] #獲取的原始IP數(shù)據(jù)
IP_data = [] #拼接端口后的IP數(shù)據(jù)
IP_data_checked = [] #檢查可用性后的IP數(shù)據(jù)
findPORT = [] #IP對應(yīng)的端口
available_table = [] #可用IP的索引
def getIP(url_target):
 patternIP = re.compile(r'(?<=<td>)[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}')
 patternPORT = re.compile(r'(?<=<td>)[\d]{2,5}(?=</td>)')
 print "now,start to refresh proxy IP..."
 for page in range(1,4):
  url = 'http://www.xicidaili.com/nn/'+str(page)
  headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64)"}
  request = urllib2.Request(url=url, headers=headers)
  response = urllib2.urlopen(request)
  content = response.read()
  findIP = re.findall(patternIP,str(content))
  findPORT = re.findall(patternPORT,str(content))
  #assemble the ip and port
  for i in range(len(findIP)):
   findIP[i] = findIP[i] + ":" + findPORT[i]
   IP_data.extend(findIP)
  print('get page', page)
 print "refresh done!!!"
 #use multithreading
 mul_thread_check(url_target)
 return IP_data_checked
def check_one(url_check,i):
 #get lock
 lock = threading.Lock()
 #setting timeout
 socket.setdefaulttimeout(8)
 try:
  ppp = {"http":IP_data[i]}
  proxy_support = urllib2.ProxyHandler(ppp)
  openercheck = urllib2.build_opener(proxy_support)
  urllib2.install_opener(openercheck)
  request = urllib2.Request(url_check)
  request.add_header('User-Agent',"Mozilla/5.0 (Windows NT 10.0; WOW64)")
  html = urllib2.urlopen(request).read()
  lock.acquire()
  print(IP_data[i],'is OK')
  #get available ip index
  available_table.append(i)
  lock.release()
 except Exception as e:
  lock.acquire()
  print('error')
  lock.release()
def mul_thread_check(url_mul_check):
 threads = []
 for i in range(len(IP_data)):
  #creat thread...
  thread = threading.Thread(target=check_one, args=[url_mul_check,i,])
  threads.append(thread)
  thread.start()
  print "new thread start",i
 for thread in threads:
  thread.join()
 #get the IP_data_checked[]
 for error_cnt in range(len(available_table)):
  aseemble_ip = {'http': IP_data[available_table[error_cnt]]}
  IP_data_checked.append(aseemble_ip)
 print "available proxy ip:",len(available_table)

一、getIP(url_target):主要函數(shù) 傳入?yún)?shù)是：驗證代理IP可用性的網(wǎng)址，推薦ipchina

獲取代理IP，從http://www.xicidaili.com/nn/網(wǎng)站獲取，它是一個提供免費代理IP的網(wǎng)站，但是里面的IP不是全都能用，而且結(jié)合你的實際地理位置、網(wǎng)絡(luò)情況、訪問的目標服務(wù)器等情況，能用的大概不到20%，至少我的情況是這樣。

訪問http://www.xicidaili.com/nn/網(wǎng)站使用正常方式，返回的網(wǎng)頁內(nèi)容通過正則查詢獲得需要的IP和對應(yīng)端口，代碼如下：

patternIP = re.compile(r'(?<=<td>)[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}')
patternPORT = re.compile(r'(?<=<td>)[\d]{2,5}(?=</td>)')
...
findIP = re.findall(patternIP,str(content))
findPORT = re.findall(patternPORT,str(content))

關(guān)于如何構(gòu)造正則表達式，可以參考其他的文章：

獲取的IP保存在findIP中，對應(yīng)的端口在findPORT中，兩者按索引對應(yīng)，獲取一頁IP正常數(shù)量為100.

接下來進行IP和端口拼接

最后進行可用性檢查

二、check_one(url_check,i):線程函數(shù)

本次訪問url_check還是使用正常方式訪問，當訪問網(wǎng)頁有返回時，則說明本代理IP可用，則記錄下當前索引值，用于后面將所有可用IP取出。

三、mul_thread_check(url_mul_check):多線程生成

本函數(shù)開啟多線程檢查代理IP可用性，每個IP開啟一個線程進行檢查。

本工程直接調(diào)用getIP(),并傳入用于檢查可用性的網(wǎng)址，即可返回一個列表，里面是經(jīng)可用性檢查的ip列表，格式為