python掃描proxy並且如何取得可用代理ip的範例分享
- 黄舟原創
- 2017-08-07 15:36:291710瀏覽
下面小編就為大家帶來一篇python掃描proxy並取得可用代理ip的實例。小編覺得蠻不錯的，現在就分享給大家，也給大家做個參考。一起跟著小編過來看看吧
今天咱寫一個挺實用的工具，就是掃描並取得可用的proxy
##首先呢，我先百度找了一個網站：www.xicidaili.com 作為例子這個網站裡公佈了許多的國內外可用的代理的ip和端口我們還是按照老樣子進行分析，就先把所有國內的proxy掃一遍點開國內部分進行審查發現，國內proxy和目錄為以下url：www.xicidaili.com/nn/x這個x差不多兩千多頁，那麼看來又要線程處理了。 。 。 老樣子，我們嘗試是否能直接以最簡單的requests.get()獲取內容#返回503，那麼我們加一個簡單的headers返回200，成咯好了我們先進行網頁內容分析並取得想要的內容我們發現，包含ip資訊的內容在a34de1251f0d9fe1e645927f19a896e8標籤內，於是我們就能很方便的用bs進行獲取標籤內容但是我們隨之又發現，ip、端口、協議的內容分別在提取的a34de1251f0d9fe1e645927f19a896e8標籤的第2,3,6三個b6c5a531a458a2e790c1fd6421739d1c標籤內於是我們開始嘗試寫，一下為寫想法：
處理頁面的時候，是先提取tr標籤，再將tr標籤中的td標籤提取 所以運用了兩次bs操作，並且第二次使用bs操作時需要進行str處理 因為我們獲得tr之後，我們需要其中的2, 3,6號的東西， 但是當我們用一個for循環輸出的i並不能進行組的操作 所以我們乾脆分別對每一個td的soup進行第二次操作之後直接提取2,3,6 提取之後，直接加上.string提取內容即可r = requests.get(url = url,headers = headers)
soup = bs(r.content,"html.parser")
data = soup.find_all(name = 'tr',attrs = {'class':re.compile('|[^odd]')})
for i in data:
soup = bs(str(i),'html.parser')
data2 = soup.find_all(name = 'td')
ip = str(data2[1].string)
port = str(data2[2].string)
types = str(data2[5].string).lower()
proxy = {}
proxy[types] = '%s:%s'%(ip,port)這樣，我們每次循環都能產生對應的proxy字典，以便我們接下來驗證ip可用性所使用字典這兒有個注意點，我們有一個將types變成小寫的操作，因為在get方法中的proxies中寫入的協定名稱要小寫，而網頁抓取的是大寫的內容，所以進行了一個大小寫轉換那麼驗證ip可用性的思路呢很簡單，我們使用get，加上我們的代理，請求網站：http://1212.ip138.com/ic.asp這是一個神奇的網站，能返回你的外網ip是什麼url = 'http://1212.ip138.com/ic.asp' r = requests.get(url = url,proxies = proxy,timeout = 6)這裡我們需要加上timeout去除掉那些等待時間過長的代理，我設定為6秒我們以一個ip進行嘗試，並且分析返回的頁面
返回的內容如下：
#
<html> <head> <meta xxxxxxxxxxxxxxxxxx> <title> 您的IP地址 </title> </head> <body style="margin:0px"><center>您的IP是：[xxx.xxx.xxx.xxx] 来自:xxxxxxxx</center></body></html>那麼我們只需要提取網頁內[]的內容即可如果我們的代理可用，就會回傳代理的ip（這裡會出現回傳的位址還是我們本機的外網ip的情況，雖然我也不是很清楚，但是我把這種情況排除，應該還是代理不可用）那麼我們就能進行一個判斷，如果返回的ip和proxy字典中的ip相同，則認為這個ip是可用的代理，並將其寫入文件我們的思路就是這樣，最後進行queue和threading線程的處理即可
上碼：
#coding=utf-8
import requests
import re
from bs4 import BeautifulSoup as bs
import Queue
import threading
class proxyPick(threading.Thread):
def __init__(self,queue):
threading.Thread.__init__(self)
self._queue = queue
def run(self):
while not self._queue.empty():
url = self._queue.get()
proxy_spider(url)
def proxy_spider(url):
headers = {
.......
}
r = requests.get(url = url,headers = headers)
soup = bs(r.content,"html.parser")
data = soup.find_all(name = 'tr',attrs = {'class':re.compile('|[^odd]')})
for i in data:
soup = bs(str(i),'html.parser')
data2 = soup.find_all(name = 'td')
ip = str(data2[1].string)
port = str(data2[2].string)
types = str(data2[5].string).lower()
proxy = {}
proxy[types] = '%s:%s'%(ip,port)
try:
proxy_check(proxy,ip)
except Exception,e:
print e
pass
def proxy_check(proxy,ip):
url = 'http://1212.ip138.com/ic.asp'
r = requests.get(url = url,proxies = proxy,timeout = 6)
f = open('E:/url/ip_proxy.txt','a+')
soup = bs(r.text,'html.parser')
data = soup.find_all(name = 'center')
for i in data:
a = re.findall(r'\[(.*?)\]',i.string)
if a[0] == ip:
#print proxy
f.write('%s'%proxy+'\n')
print 'write down'
f.close()
#proxy_spider()
def main():
queue = Queue.Queue()
for i in range(1,2288):
queue.put('http://www.xicidaili.com/nn/'+str(i))
threads = []
thread_count = 10
for i in range(thread_count):
spider = proxyPick(queue)
threads.append(spider)
for i in threads:
i.start()
for i in threads:
i.join()
print "It's down,sir!"
if __name__ == '__main__':
main()這樣我們就能把網站上所提供的能用的代理ip全部寫入檔案ip_proxy.txt檔案中了以上是python掃描proxy並且如何取得可用代理ip的範例分享的詳細內容。更多資訊請關注PHP中文網其他相關文章！
陳述：
本文內容由網友自願投稿，版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容，請聯絡admin@php.cn