利用Python爬取可用的代理IP
前言
就以最近發(fā)現(xiàn)的一個免費(fèi)代理IP網(wǎng)站為例:http://www.xicidaili.com/nn/。在使用的時候發(fā)現(xiàn)很多IP都用不了。
所以用Python寫了個腳本,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,該網(wǎng)站是時時更新的,建議爬取時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定時任務(wù)
本篇文章主要介紹了使用python crontab設(shè)置linux定時任務(wù),具有一定的參考價值,有需要的可以了解一下。2016-12-12
Pycharm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

