电脑知识|欧美黑人一区二区三区|软件|欧美黑人一级爽快片淫片高清|系统|欧美黑人狂野猛交老妇|数据库|服务器|编程开发|网络运营|知识问答|技术教程文章 - 好吧啦网

您的位置:首頁技術文章
文章詳情頁

Python使用requests xpath 并開啟多線程爬取西刺代理ip實例

瀏覽:6日期:2022-08-03 14:56:26

我就廢話不多說啦,大家還是直接看代碼吧!

import requests,randomfrom lxml import etreeimport threadingimport timeangents = [ 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)', 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)', 'Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)', 'Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)', 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)', 'Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)', 'Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)', 'Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0', 'Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20', 'Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52',]def get_all_xici_urls(start_num,stop_num): xici_urls = [] for num in range(start_num,len(stop_num)+1): xici_http_url = ’http://www.xicidaili.com/wt/’ xici_http_url += str(num) xici_urls.append(xici_http_url) print(’獲取所有待爬取xici url 已完成...’) return xici_urlsdef get_all_http_ip(xici_http_url,headers,proxies_list): try: all_ip_xpath = ’//table//tr/child::*[2]/text()’ all_prot_xpath = ’//table//tr/child::*[3]/text()’ response = requests.get(url=xici_http_url,headers=headers) html_tree = etree.HTML(response.text) ip_list = html_tree.xpath(all_ip_xpath) port_list = html_tree.xpath(all_prot_xpath) # print(ip_list) # print(prot_list) new_proxies_list = [] for index in range(1,len(ip_list)): # print(’http://{}:{}’.format(ip_list[index],port_list[index])) proxies_dict = {} proxies_dict[’http’] = ’http://{}:{}’.format(str(ip_list[index]),str(port_list[index])) new_proxies_list.append(proxies_dict) proxies_list += new_proxies_list return proxies_list except Exception as e: print(’發生了錯誤:url為 ’,xici_http_url,’錯誤為 ’,e)if __name__ == ’__main__’: start_num = int(input(’請輸入起始頁面:’).strip()) stop_num = int(input(’請輸入結束頁面:’).strip()) print(’開始爬取...’) t_list = [] # 容納需要使用的西刺代理ip proxies_list = [] # 使用多線程 xici_urls = get_all_xici_urls(start_num,stop_num) for xici_get_url in xici_urls: #隨機篩選一個useragent headers = {’User-Agent’: random.choice(angents)} t = threading.Thread(target=get_all_http_ip,args=(xici_get_url,headers,proxies_list)) t.start() t_list.append(t) for j in t_list: j.join() print(’所有需要的代理ip已爬取完成...’) print(proxies_list) print(len(proxies_list))

補充知識:python爬取xici的免費代理、并驗證(重點、清楚)

網上爬取xici的帖子很多,但是驗證都說的不是很清楚,這里我會認真給大家解釋

這里我寫了一個代理類proxy,寫了四個方法(個人寫法不必在意),get_user_agent(得到隨機use-agent,請求頭中最重要的一個)、get_proxy(爬取代理IP)、test_proxy(驗證代理可用性)、store_txt(將可用的代理保存到txt文件中。

1.爬取:headers是請求頭,choice是可以選擇是爬取Http代理還是https代理,first、end為開始和結束的頁碼(結束不包含最后一頁)

def get_proxy(self, headers, choice=’http’, first=1, end=2): ''' 獲取代理 :param choice: :param first: 開始爬取的頁數 :param end: 結束爬取的后一頁 :return: ''' ip_list = [] base_url = None# 選擇爬取的網站,一個是http、一個是https的 if choice == ’http’: base_url = ’http://www.xicidaili.com/wt/’ elif choice == ’https’: base_url = ’http://www.xicidaili.com/wn/’# 控制頁碼用正則匹配,并將爬取的IP和端口號用:鏈接 for n in range(first, end): actual_url = base_url + str(n) html = requests.get(url=actual_url, headers=headers).text pattern = ’(d+.d+.d+.d+)</td>s*<td>(d+)’ re_list = re.findall(pattern, html) for ip_port in re_list:ip_port = ip_port[0] + ’:’ + ip_port[1]ip_list.append(ip_port) return ip_list

2. 驗證:網上大部分是用request直接請求一個網址看是否通過或者看狀態碼是否是200, 但是有一個問題是即使你設置了代理IP。可能會通過,但通過的不是用你設置的代理IP而是用你自己公網下的IP(大部分時候我們用ifconfig查詢的是我們所在局域網下的IP,及私網IP)。

linux下你可以用這些命令的其中任何一個查看你的公網IP:

curl icanhazip.comcurl ifconfig.mecurl curlmyip.comcurl ip.appspot.comcurl ipinfo.io/ipcurl ipecho.net/plaincurl www.trackip.net/i

注意:那這樣要怎么辦,其實我們可以向上述命令一樣先用你爬下的代理IP訪問 http://icanhazip.com/, 它可以返回你電腦發送請求時的公網IP(此時如果你設置代理IP了就會是返回你所發送請求的代理IP),然后你將它爬取下來(直接獲取返回的值的文本就可以了),并和你發送請求時的代理IP作比較,如果不相等說明此代理IP不能用,因為雖然你設置了代理Ip,但是電腦在你代理IP請求不同的情況下,直接又使用了你公網的IP去請求,當然成功了,但不代表你的代理IP可以用。如果相等,那就證明此網站就是你所用的代理IP訪問請求成功的,所以此IP可用。

def test_proxy(self, ip_port, choice=’http’): ''' 測試代理是否能用 :param ip_port: :param choice: :return: ''' proxies = None # 這個網站可以返回你公網下的IP,如果你加代理請求后,返回的就是你代理的IP(這樣做是防止你雖然用的是代理IP,但實際是用你自己的公網IP訪問的請求) tar_url = 'http://icanhazip.com/' # 獲取隨機User-agent user_agent = self.get_user_agent() # 將user-agent放在headers中 headers = {’User-Agent’: user_agent} # 選擇驗證的是http、還是https if choice == ’http’: proxies = {'http': 'http://'+ip_port, } elif choice == ’https’: proxies = {'https': 'https://' + ip_port, } try: # 將IP從IP和端口號連起來的分出來 thisIP = ''.join(ip_port.split(':')[0:1]) res = requests.get(tar_url, proxies=proxies, headers=headers, timeout=8) # 爬取下來返回的值,一定要用strip去除空格 proxyIP = res.text.strip() # 三個狀態,如過直接通不過,那就返回false,如果通過但是不是代理的IP,也返回false if proxyIP == thisIP:return proxyIP else:return False except: return False

最后附上整段代碼:

import requestsimport reimport randomimport codecsfrom urllib import parse class proxy: ''' 代理類 ''' def __init__(self): pass def get_user_agent(self): ''' 得到隨機user-agent :return: ''' user_agents = [ 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)', 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)', 'Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)', 'Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)', 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)', 'Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)', 'Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)', 'Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0', 'Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20', 'Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER', 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)', 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER', 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)', 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)', 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)', 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)', 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)', 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)', 'Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1', 'Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5', 'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre', 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11', 'Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10' ] user_agent = random.choice(user_agents) return user_agent def get_proxy(self, headers, choice=’http’, first=1, end=2): ''' 獲取代理 :param choice: :param first: 開始爬取的頁數 :param end: 結束爬取的后一頁 :return: ''' ip_list = [] base_url = None if choice == ’http’: base_url = ’http://www.xicidaili.com/wt/’ elif choice == ’https’: base_url = ’http://www.xicidaili.com/wn/’ for n in range(first, end): actual_url = base_url + str(n) html = requests.get(url=actual_url, headers=headers).text pattern = ’(d+.d+.d+.d+)</td>s*<td>(d+)’ re_list = re.findall(pattern, html) for ip_port in re_list:ip_port = ip_port[0] + ’:’ + ip_port[1]ip_list.append(ip_port) return ip_list def test_proxy(self, ip_port, choice=’http’): ''' 測試代理是否能用 :param ip_port: :param choice: :return: ''' proxies = None # 這個網站可以返回你公網下的IP,如果你加代理請求后,返回的就是你代理的IP(這樣做是防止你雖然用的是代理IP,但實際是用你自己的公網IP訪問的請求) tar_url = 'http://icanhazip.com/' user_agent = self.get_user_agent() headers = {’User-Agent’: user_agent} if choice == ’http’: proxies = {'http': 'http://'+ip_port, } elif choice == ’https’: proxies = {'https': 'https://' + ip_port, } try: thisIP = ''.join(ip_port.split(':')[0:1]) res = requests.get(tar_url, proxies=proxies, headers=headers, timeout=8) proxyIP = res.text.strip() if proxyIP == thisIP:return proxyIP else:return False except: return False def store_txt(self, choice=’http’, first=1, end=2): ''' 將測試通過的ip_port保存為txt文件 :param choice: :param first: :param end: :return: ''' user_agent = self.get_user_agent() headers = {’User-Agent’: user_agent} ip_list = self.get_proxy(headers=headers, choice=choice, first=first, end=end) with codecs.open('Http_Agent.txt', ’a’, ’utf-8’) as file: for ip_port in ip_list:ip_port = self.test_proxy(ip_port, choice=choice)print(ip_port)if ip_port: file.write(’’’ + ip_port + '’n')

以上這篇Python使用requests xpath 并開啟多線程爬取西刺代理ip實例就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持好吧啦網。

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 苏州教学设备-化工教学设备-环境工程教学模型|同科教仪 | EDLC超级法拉电容器_LIC锂离子超级电容_超级电容模组_软包单体电容电池_轴向薄膜电力电容器_深圳佳名兴电容有限公司_JMX专注中高端品牌电容生产厂家 | 石英陶瓷,石英坩埚,二氧化硅陶瓷-淄博百特高新材料有限公司 | 章丘丰源机械有限公司 - 三叶罗茨风机,罗茨鼓风机,罗茨风机 | 北京四合院出租,北京四合院出售,北京平房买卖 - 顺益兴四合院 | 专业甜品培训学校_广东糖水培训_奶茶培训_特色小吃培训_广州烘趣甜品培训机构 | 蓝莓施肥机,智能施肥机,自动施肥机,水肥一体化项目,水肥一体机厂家,小型施肥机,圣大节水,滴灌施工方案,山东圣大节水科技有限公司官网17864474793 | 海峰资讯 - 专注装饰公司营销型网站建设和网络营销培训 | 黑田精工电磁阀-CAMMOZI气缸-ROSS电磁-上海茂硕机械设备有限公司 | PVC地板|PVC塑胶地板|PVC地板厂家|地板胶|防静电地板-无锡腾方装饰材料有限公司-咨询热线:4008-798-128 | 合肥花魁情感婚姻咨询中心_挽回爱情_修复婚姻_恋爱指南 | 超声波分散机-均质机-萃取仪-超声波涂料分散设备-杭州精浩 | 意大利Frascold/富士豪压缩机_富士豪半封闭压缩机_富士豪活塞压缩机_富士豪螺杆压缩机 | 缠绕机|缠绕膜包装机|缠绕包装机-上海晏陵智能设备有限公司 | 上海公众号开发-公众号代运营公司-做公众号的公司企业服务商-咏熠软件 | 德国GMN轴承,GMN角接触球轴承,GMN单向轴承,GMN油封,GMN非接触式密封 | 济南ISO9000认证咨询代理公司,ISO9001认证,CMA实验室认证,ISO/TS16949认证,服务体系认证,资产管理体系认证,SC食品生产许可证- 济南创远企业管理咨询有限公司 郑州电线电缆厂家-防火|低压|低烟无卤电缆-河南明星电缆 | 免费B2B信息推广发布平台 - 推发网 | 滚珠丝杆升降机_螺旋升降机_丝杠升降机-德迈传动 | NBA直播_NBA直播免费观看直播在线_NBA直播免费高清无插件在线观看-24直播网 | 不锈钢复合板|钛复合板|金属复合板|南钢集团安徽金元素复合材料有限公司-官网 | 江苏全风,高压风机,全风环保风机,全风环形高压风机,防爆高压风机厂家-江苏全风环保科技有限公司(官网) | 自动化改造_智虎机器人_灌装机_贴标机-上海圣起包装机械 | 金属切削液-脱水防锈油-电火花机油-抗磨液压油-深圳市雨辰宏业科技发展有限公司 | 上海三信|ph计|酸度计|电导率仪-艾科仪器 | 贝壳粉涂料-内墙腻子-外墙腻子-山东巨野七彩贝壳漆业中心 | [品牌官网]贵州遵义双宁口腔连锁_贵州遵义牙科医院哪家好_种植牙_牙齿矫正_原华美口腔 | POM塑料_PBT材料「进口」聚甲醛POM杜邦原料、加纤PBT塑料报价格找利隆塑料 | R507制冷剂,R22/R152a制冷剂厂家-浙江瀚凯制冷科技有限公司 | 尚为传动-专业高精密蜗轮蜗杆,双导程蜗轮蜗杆,蜗轮蜗杆减速机,蜗杆减速机生产厂家 | 电池高低温试验箱-气态冲击箱-双层电池防爆箱|简户百科 | 耐高温风管_耐高温软管_食品级软管_吸尘管_钢丝软管_卫生级软管_塑料波纹管-东莞市鑫翔宇软管有限公司 | 三效蒸发器_多效蒸发器价格_四效三效蒸发器厂家-青岛康景辉 | 超声波破碎仪-均质乳化机(供应杭州,上海,北京,广州,深圳,成都等地)-上海沪析实业有限公司 | 橡胶接头|可曲挠橡胶接头|橡胶软接头安装使用教程-上海松夏官方网站 | 成都中天自动化控制技术有限公司 | 烟台螺纹,烟台H型钢,烟台钢材,烟台角钢-烟台市正丰金属材料有限公司 | 对夹式止回阀_对夹式蝶形止回阀_对夹式软密封止回阀_超薄型止回阀_不锈钢底阀-温州上炬阀门科技有限公司 | 本安接线盒-本安电路用接线盒-本安分线盒-矿用电话接线盒-JHH生产厂家-宁波龙亿电子科技有限公司 | 空气能采暖,热泵烘干机,空气源热水机组|设备|厂家,东莞高温热泵_正旭新能源 | 氧化锆纤维_1800度高温退火炉_1800度高温烧结炉-南京理工宇龙新材料股份有限公司 |