Python爬虫怎么使用http代理IP

本篇内容介绍了“Python爬虫怎么使用http代理IP”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

　　获取代理IP，代码如下：

　　#encoding=utf8

　　import urllib2

　　import BeautifulSoup

　　User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'

　　header = {}

　　header['User-Agent'] = User_Agent

　　url = 'http://www.xicidaili.com/nn/1'

　　req = urllib2.Request(url,headers=header)

　　res = urllib2.urlopen(req).read()

　　soup = BeautifulSoup.BeautifulSoup(res)

　　ips = soup.findAll('tr')

　　f = open("../src/proxy","w")

　　for x in range(1,len(ips)):

　　ip = ips[x]

　　tds = ip.findAll("td")

　　ip_temp = tds[2].contents[0]+"\t"+tds[3].contents[0]+"\n"

　　# print tds[2].contents[0]+"\t"+tds[3].contents[0]

　　f.write(ip_temp)

　　代码说明：

　　a).这里我们使用的urllib2模块，因为，这个请求有点特殊，服务器会验证请求中的header（如有疑问，可参考http的相关资料）

　　b).urllib2与urllib的区别在于，urllib2发送请求的时候可携带参数（我现在只用到这点区别）

　　c).open()用于打开文件，第一个参数是文件的路径可以填绝对路径，例如E:\\proxy（”\”在编程中是特殊字符，要用”\\”代表实际的”\”）。也可以是相对路径，比　　　　如”../src/proxy”，就是文件相对于代码的位置。第二个参数”w”，代表打开文件的权限，w代表写权限，r代表读权限。这个在很多系统中都通用。比如，linux等

　　d).for循环，如果之前学过java或者其他高级语言，可能不太习惯，因为他们用的是for(;;)这样的。python中的for循环，in 表示X的取值，按顺序取到in后面的参数

　　特别注意：别忘了for语句后面的冒号（”:”）

　　c).range函数，代表生成一系列数，如果range(0,6,1)，意思就是从0开始，到6结束（不包括6），每次增加1（也就是步长为1），生成一个数组，结果就是[0, 1, 2, 3, 4, 5]

　　e).f.write()就是往文件里面写数据，如果打开文件的时候，没有”w”权限，则无法写入。

　　并不是所有的代理都能用，原因有很多，可能是我们所处的网络连不到这个代理，也有可能是这个代理，连不到我们的目标网址，所以，我们要验证一下。以http://ip.chinaz.com/getip.aspx作为目标网址为例（这个是测试ip地址的网址）代码如下：

　　复制代码

　　#encoding=utf8

　　import urllib

　　import socket

　　socket.setdefaulttimeout(3)

　　f = open("../src/proxy")

　　lines = f.readlines()

　　proxys = []

　　for i in range(0,len(lines)):

　　ip = lines[i].strip("\n").split("\t")

　　proxy_host = "http://"+ip[0]+":"+ip[1]

　　proxy_temp = {"http":proxy_host}

　　proxys.append(proxy_temp)

　　url = "http://ip.chinaz.com/getip.aspx"

　　for proxy in proxys:

　　try:

　　res = urllib.urlopen(url,proxies=proxy).read()

　　print res

　　except Exception,e:

　　print proxy

　　print e

　　continue

　　复制代码

　　代码说明：

　　a).ip = lines[i].strip(“\n”).split(“\t”) 这个是去掉每行末尾的换行符（也就是”\n”）,然后以制表符（也就是”\t”）分割字符串为字符串数组

　　b).proxy_temp = {“http”:proxy_host}其中http代表代理的类型，除了http之外还有https，socket等这里就以http为例

　　c).urllib.urlopen(url,proxies=proxy) 其中proxies就是代理。以代理模式访问目标网址

　　d).socket.setdefaulttimeout(3)设置全局超时时间为3s，也就是说，如果一个请求3s内还没有响应，就结束访问，并返回timeout（超时）

“Python爬虫怎么使用http代理IP”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！