爬虫开发04--代理IP

代理IP

• 反爬机制：检测请求的ip在单位时间内，请求访问的次数；超过设定的阈值，服务器拒绝请求的访问；--即封IP
• 反反爬策略：使用代理进行请求的发送；
• 代理：破解封IP的反爬机制；
• 代理服务器：实现IP伪装
  • 在本机和web服务器间，搭建了一个中转桥梁，本机不直接发送请求到web服务器；
  • 本机向代理服务器发起请求，代理服务器会把请求中转发送给web服务器；web服务器响应的数据，由代理服务器转发给本机；
• 代理作用：
  • 可以突破自身IP访问的限制，不会因为请求多被封IP；
  • 隐藏自身真实的IP，避免被攻击；
• 国内免费IP代理网站：
  • 全网代理IP（免费） ：http://www.goubanjia.com/

代理名称	状态	更新速度	可用率	地址
无忧代理	√	★	*	地址
66代理	√	★★	*	地址
西刺代理	已关闭	——	——	地址
全网代理	√	★	*	地址
快代理	√	☆	*	地址
代理盒子	√	★★★	*	地址
云代理	√	★	*	地址
IP海	已关闭	——	——	地址
免费代理库	√	☆	*	地址
89代理	√	☆	*	地址
西拉代理	√	★★	*	地址

• 代理IP的类型：选择错了，也会报错
  • http：应用到http协议对应的url中；
  • https：应用到https协议对应的url中；
• 代理IP的匿名度：
  • 透明：web服务器知道该次请求使用了代理，也知道请求对应的真实ip；
  • 匿名：知道使用了代理，但不知道真实ip；
  • 高匿：不知道使用了代理，也不知道真实ip；

 

1、检测代理IP是否可用

1）访问代理ip地址，来检测代理ip是否可以能访问；（能够访问，但是不一定能代理成功）

# 检测代理IP是否能访问

import requests

# 访问代理IP地址
get_url = 'http://1.198.177.74:4225'
response = requests.get(get_url)
print(response.text)
print(response.status_code)

if response.status_code == 200:
    print(f"该代理IP可用：{get_url}")
else:
    print(f"该代理IP不可用：{get_url}")

输出结果：

:4225
200
该代理IP可用：http://1.198.177.74:4225

 

2）telnet ip地址，查看是否可以telnet成功

import telnetlib

def test_ip(ip,port):
    try:
        telnetlib.Telnet(ip,port,timeout=2)
        print("ip "+ip+":"+port+"            yes")
    except:
        print("ip "+ip+":"+port+"            ---")

ip_list = [
    "222.74.202.227:9999",
    "61.135.185.152:80",
    "180.109.124.82:4232",
    "1.198.177.74:4225",
    "58.218.200.229:12907"
]


for ip_str in ip_list:
    ip_arr = ip_str.split(":")
    test_ip(ip_arr[0], ip_arr[1])
    pass

输出结果：

ip 222.74.202.227:9999            yes
ip 61.135.185.152:80            yes
ip 180.109.124.82:4232            ---
ip 1.198.177.74:4225            yes
ip 58.218.200.229:12907            yes

 

 

显示访问IP的地址：

访问的目标HTTP页面：targetUrl = "http://httpbin.org/ip"

访问的目标HTTPS页面：targetUrl = "https://httpbin.org/ip"

 

3）检查代理IP是否可用？

import requests
import random
import time

http_ip = [
    '167.172.184.166:46488',
    '112.111.217.125:9999',
    '186.248.170.82:53281'
]

for ip_proxy in http_ip:
    try:
        # ip_proxy = random.choice(http_ip)
        proxy_ip = {
            'http': ip_proxy,
            'https': ip_proxy,
        }
        print('使用代理的IP:', proxy_ip)
        response = requests.get("http://httpbin.org/ip", proxies=proxy_ip, timeout = 10).text
        print(response)
        print('当前IP有效√√√')
        time.sleep(2)
        print('******************************************************')
    except Exception as e:
        print(e.args[0])
        print('当前IP无效✖✖✖')
        print('******************************************************')

输出结果：

使用代理的IP: {'http': '123.163.121.16:9999', 'https': '123.163.121.16:9999'}
HTTPConnectionPool(host='123.163.121.16', port=9999): Max retries exceeded with url: http://httpbin.org/ip (Caused by ProxyError('Cannot connect to proxy.', NewConnectionError(': Failed to establish a new connection: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。')))
当前IP无效✖✖✖
******************************************************