Python 代理爬取网站数据
【摘要】
代理IP通过https://www.kuaidaili.com/free/ 获取,我使用的的是http 协议的代理。根据自己需求选择http或者https 协议的页面。
访问量会有增长,但效果不是非常理想,后面找时间在研究下、废话不多说,直接上代码。
# -*- coding:utf-8 -*- import reques...
代理IP通过https://www.kuaidaili.com/free/ 获取,我使用的的是http 协议的代理。根据自己需求选择http或者https 协议的页面。
访问量会有增长,但效果不是非常理想,后面找时间在研究下、废话不多说,直接上代码。
-
# -*- coding:utf-8 -*-
-
-
import requests
-
-
import random
-
-
import time
-
-
import re
-
-
user_agent_list=[
-
'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36',
-
'Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',
-
'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',
-
'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',
-
'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
-
'Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',
-
'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11',
-
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)',
-
'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0',
-
'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
-
]
-
-
count=0
-
-
def Get_proxy_ip():
-
headers = {
-
'Host': "www.kuaidaili.com",
-
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36',
-
'Accept': r'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3'
-
}
-
req=requests.get(r'https://www.kuaidaili.com/free/inha/16/',headers=headers)
-
html=req.text
-
proxy_list=[]
-
IP_list=re.findall(r'\d+\.\d+\.\d+\.\d+',html)
-
port_lits=re.findall(r'<td data-title="PORT">\d+</td>',html)
-
-
for i in range(len(IP_list)):
-
ip=IP_list[i]
-
port=re.sub(r'<td data-title="PORT">|</td>','',port_lits[i])
-
proxy='%s:%s' %(ip,port)
-
proxy_list.append(proxy)
-
return proxy_list
-
-
def Proxy_read(proxy_list,user_agent_list,i):
-
proxy_ip=proxy_list[i]
-
print ('当前代理ip:%s'%proxy_ip)
-
user_agent = random.choice(user_agent_list)
-
print('当前代理user_agent:%s'%user_agent)
-
sleep_time = random.randint(1,5)
-
print('等待时间:%s s' %sleep_time)
-
time.sleep(sleep_time)
-
print('开始获取')
-
headers = {
-
'User-Agent': user_agent
-
}
-
-
proxies={
-
'http': proxy_ip
-
}
-
-
url='https://www.baidu.com' #blog 地址
-
-
try:
-
req = requests.get(url, headers=headers, proxies=proxies, timeout=6,verify=False)
-
html=req.text
-
print (html)
-
except Exception as e:
-
print(e)
-
print('******打开失败!******')
-
else:
-
global count
-
count += 1
-
print('OK!总计成功%s次!' % count)
-
-
if __name__ == '__main__':
-
-
proxy_list = Get_proxy_ip()
-
-
for i in range(100):
-
-
Proxy_read(proxy_list, user_agent_list, i)
文章来源: lansonli.blog.csdn.net,作者:Lansonli,版权归原作者所有,如需转载,请联系作者。
原文链接:lansonli.blog.csdn.net/article/details/104442900
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)