Python构建代理池，突破IP的封锁爬取海量数据（附项目源码）

个人公众号 yk 坤帝
后台回复 ip代理 获取源代码

熟悉爬虫的朋友都知道，高质量的ip非常重要。
那么我们如何快速获得ip呢，今天我就带大家使用爬虫来获取免费的ip。（亲自测试，获取到的代理百分之八十可用）

1. 打开网站首页

可以看到每页有15个数据。咱们的目的很简单，就是要这15x5条ip和对应端口号。完了我们再去筛选那些ip是可用的。

所有的页数（这里爬取5页，学习所用）

2. 我们打开浏览器模式模式

分析页面看到这些ip信息都位于tr标签内，所以我么可以使用xpath来获取这些信息。

    trs = tree.xpath('//*[@id="list"]/table/tbody/tr')

3. 获取到当前页面所有ip信息

获取到当前页面所有ip信息之后我们就可以使用for循环获取tr标签内部具体的ip和端口号。

    for tr in trs:
        ip_num = tr.xpath('./td[1]/text()')[0]
        ip_port = tr.xpath('./td[2]/text()')[0]

4. 接下来就使用for循环获取15x5条数据。

for page in range(1,6):
    time.sleep(1)
    print(f'===============正在爬取第{page}页数据================')
    url = f'https://www.kuaidaili.com/free/inha/{page}/'

5. 测试可用性

现在所有的ip都已经获取到了，能不能用还是未知数，所以我们试着有这些ip登陆一下百度页面，检测其可用性。

    for ip in proxies_list:
        try:
            response = requests.get(url = 'https://www.baidu.com',proxies = ip,timeout = 0.1)
            if response.status_code == 200:
                can_use.append(ip)
        except:
            print('当前的代理:',ip,'请求超时，检测不合格')
        else:
            print('当前的代理:',ip,'检测合格')

检测结果如下：

测了75个，大概50个可以用。 质量也比较高，可以尝试构建代理池，从此不用为被封ip烦恼了。

个人公众号 yk 坤帝
后台回复 ip代理 获取源代码