动态ip

>

代理ip软件

>

换ip软件

>

HTTP代理

>
Socks5代理
黑核动态ip代理
您的位置: 首页 > 新闻资讯 > 正文

python使用ip代理抓取网页

发布时间:2019-10-22 14:16:24 来源:黑核动态ip代理

分享到

  当我们抓取网站的一个信息的时候,如果我们访问的时段非常的频繁,很大可能会被被访问的网站检测到从而进行屏蔽,解决这个问题的方法之一就使用代理IP,在我们接入因特网上网的时候,我们的电脑会被分配一个IP,提供给我们试用,而当我们频繁访问一个网站时,该网站也正是因为发现同一个ip地址访问多次而进行屏蔽的,这个时候更换IP地址访问是最好的解决方式,多个ip地址进行随机地轮流访问,减少被该网站检测到的概率。这时候如果我们再使用多个不同的headers,这时候就有多个ip+主机的组合,访问时被发现的概率又进一步减小了。

python使用ip代理抓取网页

  关于代码中ip代理的使用,下面介绍一下:

  步骤:

  1、urllib2库中的ProxyHandler类,通过此类可以使用ip代理访问网页

  proxy_support=urllib2.ProxyHandler({}),其中参数是一个字典{‘类型':'代理ip:端口号'}

  2、定制、创建一个opener

  opener=urllib2.build_opener(proxy_support)

  3、(1)安装opener

  urlib2.install_opener(opener)

  (2)调用默认的opener

  opener.open(url)

  对于没有设置反爬虫机制的网站,我们只需要直接像上面引入ProxyHandler类进行处理,下面以访问csdn主页为例:

  import urllib

  url="http://www.csdn.net/"

  for i in range(0,10000):

  html=urllib.urlopen(url)

  print html.info()

  print i

  当使用上述代码时,当循环到20时,就会出现下面的错误

  Traceback(most recent call last):

  File"C:/Users/lenovo/PycharmProjects/untitled1/jt2/__init__.py",line 19,in<module>

  html=urllib.urlopen(url)

  File"C:\Python27\lib\urllib.py",line 87,in urlopen

  return opener.open(url)

  File"C:\Python27\lib\urllib.py",line 213,in open

  return getattr(self,name)(url)

  File"C:\Python27\lib\urllib.py",line 350,in open_http

  h.endheaders(data)

  File"C:\Python27\lib\httplib.py",line 997,in endheaders

  self._send_output(message_body)

  File"C:\Python27\lib\httplib.py",line 850,in _send_output

  self.send(msg)

  File"C:\Python27\lib\httplib.py",line 812,in send

  self.connect()

  File"C:\Python27\lib\httplib.py",line 793,in connect

  self.timeout,self.source_address)

  File"C:\Python27\lib\socket.py",line 571,in create_connection

  raise err

  IOError:[Errno socket error][Errno 10060]

  这就是因为我们使用了计算机的单一ip进行频繁访问而被检测出来的。

  下面是使用了ip代理的代码:

  import urllib2

  import random

  def getHtml(url,proxies):

  random_proxy=random.choice(proxies)

  proxy_support=urllib2.ProxyHandler({"http":random_proxy})

  opener=urllib2.build_opener(proxy_support)

  urllib2.install_opener(opener)

  html=urllib2.urlopen(url)

  return html

  url="http://www.csdn.net/"

  proxies=["101.53.101.172:9999","171.117.93.229:8118","119.251.60.37:21387","58.246.194.70:8080"

  "115.173.218.224:9797","110.77.0.70:80"]

  for i in range(0,10000):

  try:

  html=getHtml(url,proxies)

  print html.info()#打印网页的头部信息,只是为了展示访问到了网页,可以自己修改成想显示的内容

  print i

  except:

  print"出现故障"

  这个代码我测试是在1096次时被检测到了,要知道我的列表中只有6个ip,如果我们增加ip的个数,那么被发现的概率是不是又会更低了。对于上面的例子中的ip代理,有可能在过了一段时间后便不能用了,这个需要自己到网上搜索最新的ip代理,进行替换。还有程序中的异常处理是为了使程序能够处理ip代码访问时出现问题的情况,因为有些ip代理在访问的时候会出现故障的,这样做了可以使程序更加健壮。

  对于有反爬虫机制的网页,下面还是以访问csdn中的博客为例:

  #coding:utf-8

  import urllib2

  import random

  def get_html(url,headers,proxies):

  random_userAget=random.choice(headers)

  random_proxy=random.choice(proxies)

  #下面是模拟浏览器进行访问

  req=urllib2.Request(url)

  req.add_header("User-Agent",random_userAget)

  req.add_header("GET",url)

  req.add_header("Host","blog.csdn.net")

  req.add_header("Referer","http://blog.csdn.net/?&page=6")

  #下面是使用ip代理进行访问

  proxy_support=urllib2.ProxyHandler({"http":random_proxy})

  opener=urllib2.build_opener(proxy_support)

  urllib2.install_opener(opener)

  html=urllib2.urlopen(req)

  return html

  url="http://blog.csdn.net/?&page=3"

  """

  使用多个主机中的user_agent信息组成一个列表,当然这里面的user_agent都是残缺的,大家使用时可以自己找

  身边的小伙伴借呦

  """

  user_agents=[

  "Mozilla/5.0(Windows NT 6.3;WOW64)AppleWe。。。hrome/45.0.2454.101 Safari/537.36",

  "Mozilla/5.0(Windows NT 6.1)AppleWebKit/537.。。。。likeGecko)Chrome/45.0.2454.101Safari/537.36",

  "Mozilla/5.0(Windows NT 10.0;WOW64)AppleWebKit。。。。。Gecko)Chrome/50.0.2661.102 Safari/537.36",

  "Mozilla/5.0(Windows NT 6.1;WOW64)AppleWebKit/537.3。。。。ML,like Gecko)Chrome/49.0.2623.112 Safari/537.36",

  "User-Agent:Mozilla/5.0(Windows NT 10.0;Win64;x64)。。。WebKit/537.36(KHTML,like Gecko)Chrome/46.0.2486.0 Safari/537.36 Edge/13.10586",

  "User-Agent:Mozilla/5.0(Windows NT 10.0)AppleWebKi。。。。。36(KHTML,like Gecko)Chrome/46.0.2486.0 Safari/537.36 Edge/13.10586",

  "Mozilla/5.0(Windows NT 10.0;WOW64)Apple。。。。。KHTML,like Gecko)Chrome/50.0.2661.94 Safari/537.36"

  ]

  #网上的ip有可能是不能用的,需要多做尝试

  myproxies=["220.189.249.80:80","124.248.32.43:80"]

  html=get_html(url,user_agents,myproxies)

  print html.read()


相关资讯

IP加速器的使用方法和简单问题解决办法

IP加速器,顾名思义就是加速IP,提升网络性能,降低网络延迟。黑核混拨ip加速器是一款ip量大速度快的加速器,非游戏外挂,可以放心使用。IP加速器的客户端设置简

来源:黑核混拨ip加速器网

2018-12-28 10:21:44

使用换ip加速器让你轻松切换ip

不知道在工作中需不需要用到换IP软件,不管你是需要还是不需要,反正今天我要介绍的就是换IP软件。现在在百度上面搜索“换IP软件”,随便一搜就可以搜索到很多换IP

来源:黑核混拨ip加速器网

2018-12-28 10:53:31

使用代理ip有什么好处?

现在,高匿代理ip时代已经到来,但是,还是有很多人不了解高匿代理ip到底有什么用,虽然随着网络科技的发展,网络对我们的生活带来了很多方便,也带来了更多的选择,网

来源:黑核混拨ip加速器网

2018-12-28 15:00:45

如何使用ip代理保证爬虫能正常工作?

在实际的爬虫抓取的过程中,由于会存在恶意采集或者恶意攻击的情况,很多网站都会设置相应的防爬取机制,通常防爬程序都是通过ip来识别机器人用户的,因此充足可用的ip

来源:黑核混拨ip加速器网

2018-12-28 17:22:15

抢票IP被封怎么办?使用IP代理软件可以解决

临近过年,买张回家的票成了一种奢侈,但是再难买的票也要买啊,工作一年到头也就这时候回趟家,不管有多难都是要回去的,都想抢票,那么就出现了一种抢票软件,抢票软件就

来源:黑核混拨ip加速器网

2019-01-04 09:46:33

上网越来越不安全使用ip代理软件解决隐患

不安全的互联网连接您可能已经使用防火墙和安全软件保护了自己的网络和计算机。您可能还有一个经过身份验证的ISP连接。但是,当您通过Internet传输数据时,数据

来源:黑核混拨ip加速器网

2019-01-05 14:52:55

使用了ip代理软件还需要清理浏览器的痕迹吗

ip代理软件对于我们来说可能有点陌生吧,但是如果说vpn应该知道的人很多,ip代理软件的前身就是vpn.网页是我们每天都会浏览的东西,我们每天浏览的网页有很多,

来源:黑核混拨ip加速器网

2019-01-05 17:31:09

为什么网站要限制python爬虫大量抓取

很多从事python爬虫的网友,在采集网站信息时常遇见一些数据显示在浏览器上却无法抓取的情况。这可能是因为对方有意不让爬虫抓取信息,当你的IP地址被网站封杀,就

来源:黑核混拨ip代理

2019-01-14 17:03:45

网页代理是不是socks代理、HTTP代理、VPN代理

网页代理是什么?一般网页代理页成为在线代理。在线代理英文全称是(WebProxyServer)。代理服务器其功能就是代理网络用户去取得网络信息。形象的说:它是网

来源:黑核混拨ip加速器网

2019-01-07 14:07:48

为什么使用python采集都使用ip代理软件

多线程、异步与动态代理使用代理IPweb爬虫在使用代理ip采集数据的时候,经常会碰到有反采集策略规则的WAF,使得本来很简单事情变得复杂起来,使得很多人无法获取

来源:黑核混拨ip代理

2019-01-10 10:34:30

换ip软件帮您解决ip被封烦恼!

换ip软件帮您解决ip被封烦恼!我想做互联网工作的基本上都需要换下ip吧,很多时候我们做推广经常被封账号,特别是同一个IP自问自答马上封你没商量,但是这些推广也

来源:黑核混拨IP网

2018-12-25 15:52:02

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
客服电话
13318873961