Python 2.X 使用HTTP代理·爬虫(动态)代理IP

 

# -*- coding: GBK -*-

'''
Python 2.X
描述:本DEMO演示了使用爬虫(动态)代理IP请求网页的过程,代码使用了多线程
逻辑:每隔5秒从API接口获取IP,对于每一个IP开启一个线程去抓取网页源码
'''
import urllib;
import urllib2;
import time;
import threading;
import ssl;

ips = [];

# 爬数据的线程类
class CrawlThread(threading.Thread):
    def __init__(self,proxyip):
        super(CrawlThread, self).__init__();
        self.proxyip=proxyip;
    def run(self):
        # 开始计时
        start = time.time();
        # 跳过SSL证书问题
        ssl._create_default_https_context = ssl._create_unverified_context;
        # 填充header,自行修改填充
        User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0';
        header = {};
        header['User-Agent'] = User_Agent;
        # 注册代理
        proxy={"http": self.proxyip};
        proxy_support = urllib2.ProxyHandler(proxy);
        opener = urllib2.build_opener(proxy_support);
        urllib2.install_opener(opener);
        # 使用代理IP请求目标网址
        timeout = 15;
        req = urllib2.Request(targetUrl, headers=header);
        response = urllib2.urlopen(req, None, timeout);
        html = response.read();
        # 转码, 注意你网站的编码,把gb2312调整为正确的编码
        html = html.decode("utf-8").encode("gbk")
        # 结束计时
        end = time.time();
        # 输出内容
        print(threading.current_thread().getName() +  "使用代理IP, 耗时 " + str(end - start) + "毫秒 " + self.proxyip + " 获取到如下HTML内容:\n" + html + "\n*************")

# 获取代理IP的线程类
class GetIpThread(threading.Thread):
    def __init__(self,fetchSecond):
        super(GetIpThread, self).__init__();
        self.fetchSecond=fetchSecond;
    def run(self):
        global ips;
        while True:
            # 获取IP列表
            res = urllib.urlopen(apiUrl).read().strip("\n");
            # 按照\r\n分割获取到的IP
            # 酷鱼代理-用户中心-配置API,可以自己设置分割符。
            ips = res.split('\r\n');
            # 利用每一个IP
            for proxyip in ips:
                if proxyip.strip():
                    # 开启一个线程
                    CrawlThread(proxyip).start();
            # 休眠
            time.sleep(self.fetchSecond);

if __name__ == '__main__':
    # 这里填写酷鱼代理IP提供的API密钥(请到用户中心获取)
    uuid = "please-input-your-uuid-here";
    # 获取IP的API接口
    apiUrl = "http://kuyukuyu.com/agents/get?uuid=" + uuid;
    # 要抓取的目标网站地址
    targetUrl = "http://ip.chinaz.com/getip.aspx";
    # 获取IP时间间隔,建议为5秒
    fetchSecond = 5;
    # 开始自动获取IP
    GetIpThread(fetchSecond).start();
发布时间:2021-03-23

在线客服