Python3爬蟲里關(guān)于代理的設(shè)置總結(jié)
在前面我們介紹了多種請求庫，如 Requests、Urllib、Selenium 等。我們接下來首先貼近實(shí)戰(zhàn)，了解一下代理怎么使用，為后面了解代理池、ADSL 撥號代理的使用打下基礎(chǔ)。
下面我們來梳理一下這些庫的代理的設(shè)置方法。
1. 獲取代理
在做測試之前，我們需要先獲取一個(gè)可用代理，搜索引擎搜索“代理”關(guān)鍵字，就可以看到有許多代理服務(wù)網(wǎng)站，在網(wǎng)站上會有很多免費(fèi)代理，比如西刺：http://www.xicidaili.com/，這里列出了很多免費(fèi)代理，但是這些免費(fèi)代理大多數(shù)情況下都是不好用的，所以比較靠譜的方法是購買付費(fèi)代理，很多網(wǎng)站都有售賣，數(shù)量不用多，買一個(gè)穩(wěn)定可用的即可，可以自行選購。
或者如果我們本機(jī)有相關(guān)代理軟件的話，軟件一般會在本機(jī)創(chuàng)建 HTTP 或 SOCKS 代理服務(wù)，直接使用此代理也可以。
在這里我的本機(jī)安裝了一部代理軟件，它會在本地 9743 端口上創(chuàng)建 HTTP 代理服務(wù)，也就是代理為 127.0.0.1:9743，另外還會在 9742 端口創(chuàng)建 SOCKS 代理服務(wù)，也就是代理為 127.0.0.1:9742，我只要設(shè)置了這個(gè)代理就可以成功將本機(jī) IP 切換到代理軟件連接的服務(wù)器的 IP了。
所以本節(jié)下面的示例里我使用上述代理來演示其設(shè)置方法，你可以自行替換成自己的可用代理，設(shè)置代理后測試的網(wǎng)址是：http://httpbin.org/get，訪問該站點(diǎn)可以得到請求的一些相關(guān)信息，其中 origin 字段就是客戶端的 IP，我們可以根據(jù)它來判斷代理是否設(shè)置成功，也就是是否成功偽裝了IP。
下面我們來看下各個(gè)庫的代理設(shè)置方式。
2. Urllib
首先我們以最基礎(chǔ)的 Urllib 為例，來看一下代理的設(shè)置方法，代碼如下：
from urllib.error import URLError
from urllib.request import ProxyHandler, build_opener
proxy = '127.0.0.1:9743'
proxy_handler = ProxyHandler({
'http': 'http://' + proxy,
'https': 'https://' + proxy
})
opener = build_opener(proxy_handler)
try:
response = opener.open('http://httpbin.org/get')
print(response.read().decode('utf-8'))
except URLError as e:
print(e.reason)
運(yùn)行結(jié)果如下：
{
"args": {},
"headers": {
"Accept-Encoding": "identity",
"Connection": "close",
"Host": "httpbin.org",
"User-Agent": "Python-urllib/3.6"
},
"origin": "106.185.45.153",
"url": "http://httpbin.org/get"
}
在這里我們需要借助于 ProxyHandler 設(shè)置代理，參數(shù)是字典類型，鍵名為協(xié)議類型，鍵值是代理，注意此處代理前面需要加上協(xié)議，即 http 或者 https，此處設(shè)置了 http 和 https 兩種代理，當(dāng)我們請求的鏈接是 http 協(xié)議的時(shí)候，它會調(diào)用 http 代理，當(dāng)請求的鏈接是 https 協(xié)議的時(shí)候，它會調(diào)用https代理，所以此處生效的代理是：http://127.0.0.1:9743。
創(chuàng)建完 ProxyHandler 對象之后，我們需要利用 build_opener() 方法傳入該對象來創(chuàng)建一個(gè) Opener，這樣就相當(dāng)于此 Opener 已經(jīng)設(shè)置好代理了，接下來直接調(diào)用它的 open() 方法即可使用此代理訪問我們所想要的鏈接。
運(yùn)行輸出結(jié)果是一個(gè) Json，它有一個(gè)字段 origin，標(biāo)明了客戶端的 IP，此處的 IP 驗(yàn)證一下，確實(shí)為代理的 IP，而并不是我們真實(shí)的 IP，所以這樣我們就成功設(shè)置好代理，并可以隱藏真實(shí) IP 了。
如果遇到需要認(rèn)證的代理，我們可以用如下的方法設(shè)置：
from urllib.error import URLError
from urllib.request import ProxyHandler, build_opener
proxy = 'username:password@127.0.0.1:9743'
proxy_handler = ProxyHandler({
'http': 'http://' + proxy,
'https': 'https://' + proxy
})
opener = build_opener(proxy_handler)
try:
response = opener.open('http://httpbin.org/get')
print(response.read().decode('utf-8'))
except URLError as e:
print(e.reason)
這里改變的只是 proxy 變量，只需要在代理前面加入代理認(rèn)證的用戶名密碼即可，其中 username 就是用戶名，password 為密碼，例如 username 為foo，密碼為 bar，那么代理就是 foo:bar@127.0.0.1:9743。
如果代理是 SOCKS5 類型，那么可以用如下方式設(shè)置代理：
import socks
import socket
from urllib import request
from urllib.error import URLError
socks.set_default_proxy(socks.SOCKS5, '127.0.0.1', 9742)
socket.socket = socks.socksocket
try:
response = request.urlopen('http://httpbin.org/get')
print(response.read().decode('utf-8'))
except URLError as e:
print(e.reason)
此處需要一個(gè) Socks 模塊，可以通過如下命令安裝：
pip3 install PySocks
本地我有一個(gè) SOCKS5 代理，運(yùn)行在 9742 端口，運(yùn)行成功之后和上文 HTTP 代理輸出結(jié)果是一樣的：
{
"args": {},
"headers": {
"Accept-Encoding": "identity",
"Connection": "close",
"Host": "httpbin.org",
"User-Agent": "Python-urllib/3.6"
},
"origin": "106.185.45.153",
"url": "http://httpbin.org/get"
}
結(jié)果的 origin 字段同樣為代理的 IP，設(shè)置代理成功。
3. Requests
對于 Requests 來說，代理設(shè)置更加簡單，我們只需要傳入 proxies 參數(shù)即可。
還是以上例中的代理為例，我們來看下 Requests 的代理的設(shè)置：
import requests
proxy = '127.0.0.1:9743'
proxies = {
'http': 'http://' + proxy,
'https': 'https://' + proxy,
}
try:
response = requests.get('http://httpbin.org/get', proxies=proxies)
print(response.text)
except requests.exceptions.ConnectionError as e:
print('Error', e.args)
運(yùn)行結(jié)果：
{
"args": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Connection": "close",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.18.1"
},
"origin": "106.185.45.153",
"url": "http://httpbin.org/get"
}
可以發(fā)現(xiàn) Requests 的代理設(shè)置比 Urllib 簡單很多，只需要構(gòu)造代理字典即可，然后通過 proxies 參數(shù)即可設(shè)置代理，不需要重新構(gòu)建 Opener。
可以發(fā)現(xiàn)其運(yùn)行結(jié)果的 origin 也是代理的 IP，證明代理已經(jīng)設(shè)置成功。
如果代理需要認(rèn)證，同樣在代理的前面加上用戶名密碼即可，代理的寫法就變成：
proxy = 'username:password@127.0.0.1:9743'
和 Urllib 一樣，只需要將 username 和 password 替換即可。
如果需要使用 SOCKS5 代理，則可以使用如下方式：
import requests
proxy = '127.0.0.1:9742'
proxies = {
'http': 'socks5://' + proxy,
'https': 'socks5://' + proxy
}
try:
response = requests.get('http://httpbin.org/get', proxies=proxies)
print(response.text)
except requests.exceptions.ConnectionError as e:
print('Error', e.args)
在這里需要額外安裝一個(gè) Socks 模塊，命令如下：
pip3 install "requests[socks]"
運(yùn)行結(jié)果是完全相同的：
{
"args": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Connection": "close",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.18.1"
},
"origin": "106.185.45.153",
"url": "http://httpbin.org/get"
}
另外還有一種設(shè)置方式，和 Urllib 中的方法相同，使用 socks 模塊，也需要像上文一樣安裝該庫，設(shè)置方法如下：
import requests
import socks
import socket
socks.set_default_proxy(socks.SOCKS5, '127.0.0.1', 9742)
socket.socket = socks.socksocket
try:
response = requests.get('http://httpbin.org/get')
print(response.text)
except requests.exceptions.ConnectionError as e:
print('Error', e.args)
這樣也可以設(shè)置 SOCKS5 代理，運(yùn)行結(jié)果完全相同，相比第一種方法，此方法是全局設(shè)置，不同情況可以選用不同的方法。
4. Selenium
Selenium 同樣也可以設(shè)置代理，在這里分兩種介紹，一個(gè)是有界面瀏覽器，以 Chrome 為例介紹，另一種是無界面瀏覽器，以 PhantomJS 為例介紹。
Chrome
對于 Chrome 來說，用 Selenium 設(shè)置代理的方法也非常簡單，設(shè)置方法如下：
from selenium import webdriver
proxy = '127.0.0.1:9743'
chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('--proxy-server=http://' + proxy)
browser = webdriver.Chrome(chrome_options=chrome_options)
browser.get('http://httpbin.org/get')
在這里我們通過 ChromeOptions 來設(shè)置代理，在創(chuàng)建 Chrome 對象的時(shí)候通過 chrome_options 參數(shù)傳遞即可。
這樣在運(yùn)行之后便會彈出一個(gè) Chrome 瀏覽器，訪問目標(biāo)鏈接之后輸出結(jié)果如下：
{
"args": {},
"headers": {
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8",
"Accept-Encoding": "gzip, deflate",
"Accept-Language": "zh-CN,zh;q=0.8",
"Connection": "close",
"Host": "httpbin.org",
"Upgrade-Insecure-Requests": "1",
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML,like Gecko)
Chrome/59.0.3071.115 Safari/537.36"
},
"origin": "106.185.45.153",
"url": "http://httpbin.org/get"
}
可以看到 origin 同樣為代理 IP 的地址，代理設(shè)置成功。
如果代理是認(rèn)證代理，則設(shè)置方法相對比較麻煩，方法如下：
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import zipfile
ip = '127.0.0.1'
port = 9743
username = 'foo'
password = 'bar'
manifest_json = """
{
"version": "1.0.0",
"manifest_version": 2,
"name": "Chrome Proxy",
"permissions": [
"proxy",
"tabs",
"unlimitedStorage",
"storage",
"<all_urls>",
"webRequest",
"webRequestBlocking"
],
"background": {
"scripts": ["background.js"]
}
}
"""
background_js = """
var config = {
mode: "fixed_servers",
rules: {
singleProxy: {
scheme: "http",
host: "%(ip)s",
port: %(port)s
}
}
}
chrome.proxy.settings.set({value: config, scope: "regular"}, function() {});
function callbackFn(details) {
return {
authCredentials: {
username: "%(username)s",
password: "%(password)s"
}
}
}
chrome.webRequest.onAuthRequired.addListener(
callbackFn,
{urls: ["<all_urls>"]},
['blocking']
)
""" % {'ip': ip, 'port': port, 'username': username, 'password': password}
plugin_file = 'proxy_auth_plugin.zip'
with zipfile.ZipFile(plugin_file, 'w') as zp:
zp.writestr("manifest.json", manifest_json)
zp.writestr("background.js", background_js)
chrome_options = Options()
chrome_options.add_argument("--start-maximized")
chrome_options.add_extension(plugin_file)
browser = webdriver.Chrome(chrome_options=chrome_options)
browser.get('http://httpbin.org/get')
在這里需要在本地創(chuàng)建一個(gè) manifest.json 配置文件和 background.js 腳本來設(shè)置認(rèn)證代理，運(yùn)行之后本地會生成一個(gè) proxy_auth_plugin.zip 文件保存配置。
運(yùn)行結(jié)果和上例一致，origin 同樣為代理 IP。
PhantomJS
對于 PhantomJS，代理設(shè)置方法可以借助于 service_args 參數(shù)，也就是命令行參數(shù)，代理設(shè)置方法如下：
from selenium import webdriver
service_args = [
'--proxy=127.0.0.1:9743',
'--proxy-type=http'
]
browser = webdriver.PhantomJS(service_args=service_args)
browser.get('http://httpbin.org/get')
print(browser.page_source)
在這里我們只需要使用 service_args 參數(shù)，將命令行的一些參數(shù)定義為列表，在初始化的時(shí)候傳遞即可。
運(yùn)行結(jié)果：
{
"args": {},
"headers": {
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
"Accept-Encoding": "gzip, deflate",
"Accept-Language": "zh-CN,en,*",
"Connection": "close",
"Host": "httpbin.org",
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X) AppleWebKit/538.1 (KHTML, like Gecko)
PhantomJS/2.1.0
Safari/538.1"
},
"origin": "106.185.45.153",
"url": "http://httpbin.org/get"
}
運(yùn)行結(jié)果的 origin 同樣為代理的 IP，設(shè)置代理成功。
如果需要認(rèn)證，那么只需要再加入 –proxy-auth 選項(xiàng)即可，這樣參數(shù)就改為：
service_args = [ '--proxy=127.0.0.1:9743', '--proxy-type=http', '--proxy-auth=username:password' ]
將 username 和 password 替換為認(rèn)證所需的用戶名和密碼即可。
5. 本節(jié)代碼
本節(jié)代碼地址為：https://github.com/Python3WebSpider/ProxySettings。
6. 結(jié)語
本節(jié)介紹了前文所介紹的請求庫的代理設(shè)置方法，稍作了解即可，后面我們會使用這些方法來搭建代理池和爬取網(wǎng)站，進(jìn)一步加深印象。
相關(guān)文章
Python爬取肯德基官網(wǎng)ajax的post請求實(shí)現(xiàn)過程
這篇文章主要介紹了Python爬取肯德基官網(wǎng)ajax的post請求實(shí)現(xiàn)過程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家學(xué)有所得，多多進(jìn)步2021-10-10
這篇文章主要介紹了Django視圖函數(shù)的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
這篇文章主要介紹了Python pass詳細(xì)介紹及實(shí)例代碼的相關(guān)資料,需要的朋友可以參考下2016-11-11
Pycharm安裝scrapy及初始化爬蟲項(xiàng)目的完整步驟
因?yàn)槿腴Tpython以來一直使用pycharm,所以對著黑白的DOS不習(xí)慣,所以此次來實(shí)現(xiàn)使用pycharm進(jìn)行實(shí)現(xiàn)使用scrapy框架,下面這篇文章主要給大家介紹了關(guān)于Pycharm安裝scrapy及初始化爬蟲項(xiàng)目的完整步驟,需要的朋友可以參考下2022-08-08
解決python訪問報(bào)錯(cuò):jinja2.exceptions.TemplateNotFound:index.html
這篇文章主要介紹了解決python訪問報(bào)錯(cuò):jinja2.exceptions.TemplateNotFound:index.html,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-12-12
今天小編就為大家分享一篇對Python捕獲控制臺輸出流的方法詳解，具有很好的參考價(jià)值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
Python實(shí)現(xiàn)語音識別vosk的示例代碼
Vosk是一個(gè)功能強(qiáng)大且易于使用的語音識別工具包,它提供了Python綁定,使得在Python中使用Vosk變得非常方便,本文主要介紹了Python實(shí)現(xiàn)語音識別vosk的示例代碼,具有一定的參考價(jià)值,感興趣的可以了解一下2023-12-12
Python操作Sql Server 2008數(shù)據(jù)庫的方法詳解
這篇文章主要介紹了Python操作Sql Server 2008數(shù)據(jù)庫的方法,結(jié)合實(shí)例形式分析了Python使用pyodbc庫操作Sql Server 2008數(shù)據(jù)庫的連接、執(zhí)行sql語句、關(guān)閉連接等相關(guān)操作技巧與注意事項(xiàng),需要的朋友可以參考下2018-05-05
基于Pytorch版yolov5的滑塊驗(yàn)證碼破解思路詳解
這篇文章主要介紹了基于Pytorch版yolov5的滑塊驗(yàn)證碼破解思路詳解,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-02-02
Python數(shù)據(jù)可視化Pyecharts庫的使用教程
pyecharts是一個(gè)用于生成echarts圖表的類庫。echarts是百度開源的一個(gè)數(shù)據(jù)可視化庫，用echarts生成的圖可視化效果非常棒。使用pyechart庫可以在python中生成echarts數(shù)據(jù)圖。本文將詳細(xì)介紹一下Pyecharts庫的使用，需要的可以參考一下2022-02-02