利用Python爬取可用的代理IP
前言
就以最近發(fā)現(xiàn)的一個(gè)免費(fèi)代理IP網(wǎng)站為例:http://www.xicidaili.com/nn/。在使用的時(shí)候發(fā)現(xiàn)很多IP都用不了。
所以用Python寫了個(gè)腳本,該腳本可以把能用的代理IP檢測出來。
腳本如下:
#encoding=utf8 import urllib2 from bs4 import BeautifulSoup import urllib import socket User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0' header = {} header['User-Agent'] = User_Agent ''' 獲取所有代理IP地址 ''' def getProxyIp(): proxy = [] for i in range(1,2): try: url = 'http://www.xicidaili.com/nn/'+str(i) req = urllib2.Request(url,headers=header) res = urllib2.urlopen(req).read() soup = BeautifulSoup(res) ips = soup.findAll('tr') for x in range(1,len(ips)): ip = ips[x] tds = ip.findAll("td") ip_temp = tds[1].contents[0]+"\t"+tds[2].contents[0] proxy.append(ip_temp) except: continue return proxy ''' 驗(yàn)證獲得的代理IP地址是否可用 ''' def validateIp(proxy): url = "http://ip.chinaz.com/getip.aspx" f = open("E:\ip.txt","w") socket.setdefaulttimeout(3) for i in range(0,len(proxy)): try: ip = proxy[i].strip().split("\t") proxy_host = "http://"+ip[0]+":"+ip[1] proxy_temp = {"http":proxy_host} res = urllib.urlopen(url,proxies=proxy_temp).read() f.write(proxy[i]+'\n') print proxy[i] except Exception,e: continue f.close() if __name__ == '__main__': proxy = getProxyIp() validateIp(proxy)
運(yùn)行成功后,打開E盤下的文件,可以看到如下可用的代理IP地址和端口:
總結(jié)
這只是爬取的第一頁的IP地址,如有需要,可以多爬取幾頁。同時(shí),該網(wǎng)站是時(shí)時(shí)更新的,建議爬取時(shí)只爬取前幾頁的即可。以上就是本文的全部內(nèi)容,希望對大家學(xué)習(xí)使用Python能有所幫助。
相關(guān)文章
詳解使用python crontab設(shè)置linux定時(shí)任務(wù)
本篇文章主要介紹了使用python crontab設(shè)置linux定時(shí)任務(wù),具有一定的參考價(jià)值,有需要的可以了解一下。2016-12-12Pycharm遠(yuǎn)程連接服務(wù)器并運(yùn)行與調(diào)試
本篇文章介紹一下 Pycharm 如何配置遠(yuǎn)程連接信息,使其能夠在本地使用服務(wù)器上的GPU等硬件資源,并在本地完成代碼的運(yùn)行與調(diào)試,感興趣的可以了解一下2021-08-08