快捷導(dǎo)航

python單例模式獲取IP代理的方法詳解

更新時(shí)間：2018年09月13日 08:38:21 作者：vinter_he

在使用python對(duì)網(wǎng)頁(yè)進(jìn)程訪問時(shí),以防被禁止,可用使用代理IP的方法減少被禁的可能，下面這篇文章主要給大家介紹了關(guān)于python單例模式獲取IP代理的相關(guān)資料，需要的朋友可以參考借鑒，下面來一起看看吧

引言

最近在學(xué)習(xí)python，先說一下我學(xué)Python得原因，一個(gè)是因?yàn)樗銐蚝糜茫瓿赏瑯拥墓δ?，代碼量會(huì)比其他語(yǔ)言少很多，有大量的豐富的庫(kù)可以使用，基本上前期根本不需要自己造什么輪子。第二個(gè)是因?yàn)槟壳八芑?，網(wǎng)上各種資料都比較豐富，且質(zhì)量尚可。接下來不如正題

在學(xué)習(xí)Python爬蟲的時(shí)候，經(jīng)常會(huì)遇見所要爬取的網(wǎng)站采取了反爬取技術(shù)導(dǎo)致爬取失敗。高強(qiáng)度、高效率地爬取網(wǎng)頁(yè)信息常常會(huì)給網(wǎng)站服務(wù)器帶來巨大壓力，所以同一個(gè)IP反復(fù)爬取同一個(gè)網(wǎng)頁(yè)，就很可能被封，這里講述一個(gè)爬蟲技巧，設(shè)置代理IP

為什么需要代理

提到python，雖然他能干的事情很多，但是我們首先想起的一般都是爬蟲。爬蟲的作用是通過抓取網(wǎng)頁(yè)，分析并獲得網(wǎng)頁(yè)中的內(nèi)容。像php這類語(yǔ)言也是可以用curl來達(dá)到爬蟲的效果，不過論爬蟲庫(kù)的數(shù)量和易用性就沒辦法和python相比了。

對(duì)網(wǎng)絡(luò)知識(shí)有了解的朋友應(yīng)該知道，很多網(wǎng)站都有反爬蟲的策略，或者是針對(duì)同一ip地址頻繁請(qǐng)求會(huì)拒絕服務(wù)，我在剛開始寫一些東西的時(shí)候就經(jīng)常因?yàn)樵L問的頻率太頻繁而被禁。所以說僅用自己的ip地址進(jìn)行爬取是有一定的局限性的。而代理就可以解決這個(gè)問題。

代理是什么

作為一個(gè)程序員我覺得有必要了解一些基本的網(wǎng)絡(luò)知識(shí)，比如說網(wǎng)絡(luò)代理。

我不想從哪里復(fù)制粘貼一段介紹過來，因?yàn)槲矣X得那樣很low，我說說我理解的網(wǎng)絡(luò)代理。

如果你不了解代理，你應(yīng)該知道代購(gòu)吧，比如你想買一個(gè)東西，卻不想自己跑去買，可以找一個(gè)代理幫你去買。類似的，網(wǎng)絡(luò)代理也是在你和目的網(wǎng)絡(luò)之間的一個(gè)中轉(zhuǎn)方。類似如下圖

Alice->agency(代理): I want to get sth from Bob
agency(代理)->Bob: give me sth
Note right of Bob: Bob thinks
Bob-->agency(代理): there is sth!
agency(代理)-->Alice: bob give you sth

這里有一個(gè)問題是，普通代理是比較好檢測(cè)出來的，有些網(wǎng)站不允許使用代理訪問。這時(shí)候可以使用高匿代理可以解決這個(gè)問題。關(guān)于代理不多說了，有興趣的可以自己去了解。

從哪里獲取代理

這問題就簡(jiǎn)單了，直接百度搜索網(wǎng)絡(luò)代理可以搜索到很多免費(fèi)的，免費(fèi)的一般不太穩(wěn)定，應(yīng)付日常需求應(yīng)該沒問題。如果需要穩(wěn)定代理還是老老實(shí)實(shí)的花錢買付費(fèi)的好一些，不要因小失大。

比如網(wǎng)上就經(jīng)常推薦的代理

西祠代理:http://www.xicidaili.com/nn/

本文用的快代理：https://www.kuaidaili.com/

西祠我一開始也用了，后來因?yàn)轭l繁訪問被禁用過一次，幾天后才解禁，在這期間我換成了快代理并去重寫了規(guī)則每小時(shí)獲取一次代理。

代碼

本文用的python版本為3.6.5, 如果使用2.7版本的代碼需要微調(diào)

User-Agent

用來模擬不同的瀏覽器，直接復(fù)制就可以了，我的文件名為user_agents.py

#!/usr/bin/python
# -*- coding:utf-8 -*-
'''
Created on 2018-04-27

@author: Vinter_he
'''

user_agents = [
 'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11',
 'Opera/9.25 (Windows NT 5.1; U; en)',
 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)',
 'Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)',
 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12',
 'Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9'
 
 "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1",
 "Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11",
 "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6",
 "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6",
 "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1",
 "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5",
 "Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5",
 "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
 "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
 "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
 "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3",
 "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3",
 "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3",
 "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3",
 "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3",
 "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.0 Safari/536.3",
 "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24",
 "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"
]
獲取代理代碼
#!/usr/bin/python
# -*- coding:utf-8 -*-
'''

獲取快代理ip 獲取到的為https://...格式

'''
from lxml import etree
import sys ,user_agents ,random ,requests ,time

class geKuaidailiIp:
 __instance = None
 #使用單例模式
 def __new__(cls):
  if cls.__instance == None:
   cls.__instance = object.__new__(cls)
   cls.init(cls)
  return cls.__instance

 def init(self):
  print('初始化')
  self.proxieList = []
  self.lastTime = time.time() - 3601
  self.agencyUrl = 'https://www.kuaidaili.com/free/'
  self.userAgents = user_agents.user_agents
 # 獲取user-agent
 def getUserAgent(self):
  userAgent = random.choice(self.userAgents)
  return {
   'User-Agent': userAgent
  }

 def getHtml(self,url):
  response = requests.get(url = url ,headers = self.getUserAgent(),timeout = 10).text
  # sys.exit()
  html = etree.HTML(response)
  return html
 #取一頁(yè)的分析代理ip
 def parseHtmlToGetIpList(self,url):

  #獲取代理ip地址 只取前五頁(yè)
  html = self.getHtml(url)
  ip = html.xpath('//tr/td[@data-title = "IP"]')
  port = html.xpath('//tr/td[@data-title = "PORT"]')
  type = html.xpath('//tr/td[@data-title = "類型"]')
  return type, ip, port
 # 取五頁(yè)數(shù)據(jù)并進(jìn)行拼接成一個(gè)list
 def getProxies(self):
  # 1小時(shí)獲取一次代理 否則會(huì)被禁
  if time.time() - self.lastTime > 60*60:
   self.proxieList =[]
   self.lastTime = time.time()
   #只取前五頁(yè)，因?yàn)楹竺娴氖У臅?huì)比較多，看自己需要
   for i in range(5):
    url = self.agencyUrl+'inha/'+str(i+1)+"/"
    type,ip,port = self.parseHtmlToGetIpList(url)
    count = len(port)
    for i in range(count):
     self.proxieList.append(type[i].text+"://"+ip[i].text+":"+port[i].text)
    time.sleep(1)
   print('獲取代理')
  return self.proxieList

 def getRandomAgencyIp(self):
  self.getProxies()
  ip = random.choice(self.proxieList)
  return ip


#初始化代理 用來進(jìn)行測(cè)試用
# agency = geKuaidailiIp()
# while True:
#
#  print(agency.getRandomAgencyIp())
#  time.sleep(random.randint(4,10))

為什么使用單例模式

如果你可以保證自己只創(chuàng)建一個(gè)代理對(duì)象的話，其實(shí)并不是必須使用單例模式。因?yàn)楹芏嗯笥芽赡軙?huì)把創(chuàng)建對(duì)象的代碼寫在循環(huán)中，導(dǎo)致頻繁的獲取代理而導(dǎo)致自己的ip被代理方禁了。單例模式保證在一次執(zhí)行腳本過程中只有一個(gè)對(duì)象。如果對(duì)象已經(jīng)創(chuàng)建，則直接返回已經(jīng)創(chuàng)建的對(duì)象，從而控制不會(huì)頻繁的訪問快代理的頁(yè)面。代碼中是一小時(shí)一次。

題外話

其實(shí)早在七八年前上學(xué)期間我就接觸過python，那時(shí)候python沒有現(xiàn)在那么火，我還是在查怎么成為一名黑客的時(shí)候查到的這是一個(gè)必修課。然而當(dāng)時(shí)還是比較貪玩的，學(xué)習(xí)資料也很匱乏。所以不就久放棄了。現(xiàn)在在人工智能和大數(shù)據(jù)的帶動(dòng)下，前幾天看統(tǒng)計(jì)，python已經(jīng)成了排名第一的腳本語(yǔ)言（php是世界上最好的語(yǔ)言，哥哥們別噴我），所以我?guī)讉€(gè)月前開始每天抽一點(diǎn)業(yè)余時(shí)間學(xué)習(xí)python。幸運(yùn)的是我有三門語(yǔ)言基礎(chǔ)，學(xué)習(xí)起來還算比較輕松。如果你也是一名程序員，并且有精力也希望你能在業(yè)余時(shí)間做點(diǎn)什么學(xué)點(diǎn)什么來提高自己，與大家共勉。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問大家可以留言交流，謝謝大家對(duì)腳本之家的支持。

您可能感興趣的文章: