Python爬虫进阶七之设置ADSL拨号服务器代理

提示

本教程方法已不是最优,最新解决方案请移步 http://cuiqingcai.com/4596.html

浏览器显示

您的请求过于频繁,IP已经被暂时封禁,请稍后再试!

找免费代理?可行,不过我之前测过不少免费代理IP,一大半都不好用,而且慢。不过可以一直维护一个代理池,定时更新。

买代理?可以可以,不过优质的代理服务商价格可是不菲的,我买过一些廉价的,比如几块钱套餐一次提取几百IP的,算了还是不说了都是泪。

然而最行之有效的方法是什么?那当然是ADSL拨号!

什么是ADSL

ADSL (Asymmetric Digital Subscriber Line ,非对称数字用户环路)是一种新的数据传输方式。它因为上行和下行带宽不对称。它采用频分复用技术把普通的电话线分成了电话、上行和下行三个相对独立的信道,从而避免了相互之间的干扰。

他有个独有的特点,每拨一次号,就获取一个新的IP。也就是它的IP是不固定的。

如果你是用的ADSL上网方式,那就不用过多设置了,直接自己电脑调用一个拨号命令就好了,自动换IP,分分钟解决封IP的事。

然而,你可能说?我家宽带啊,我连得公司无线啊,我蹭的网上的啊!那咋办?

这时,你就需要一台VPS拨号主机。

购买服务器

某度键入:拨号服务器,有什么骑士互联啊、无极网络啊、挂机宝啊等等的。我选了个价钱还凑合的,选了个无极网络,80一个月的配置,一天两块钱多点。

2核、512M内存,10M带宽。

云立方

接下来开始装操作系统,进入后台,有一个自助装系统的页面。

Python爬虫进阶七之设置ADSL拨号服务器代理_第1张图片

我装的CentOS的,在后面设置代理啊,定时任务啊,远程SSH管理啊之类的比较方便。如果你想用Windows,能配置好代理那也没问题。

有的小伙伴可能会问了,既然它的IP是拨号变化的,你咋用SSH连?其实服务商提供了一个域名,做了动态解析和端口映射,映射到这台主机的22端口就好了,所以不用担心IP变化导致SSH断开的问题。

好了装好了服务器之后,服务商提供了一个ADSL的拨号操作过程,用pppoe命令都可以完成,如果你的是Linux的主机一般都是用这个。然后服务商还会给你一个拨号账号和密码。

服务商会提供详细的拨号流程说明。

比如无极的是这样的:

拨号流程

设置好了之后,就有几个关键命令:

pppoe-start 拨号
pppoe-stop  断开拨号
pppoe-status 拨号连接状态

如果想重新拨号,那就执行stop、start就可以了。

反复执行,然后查看下ip地址,你会发现拨号一次换一个IP,是不是爽翻了!

设置代理服务器

Linux下搭建HTTP代理,推荐Squid和TinyProxy。都非常好配置,你想用哪个都行,且听我慢慢道来。

我的系统是CentOS。

Squid

安装squid :yum -y install squid

设置开机启动:chkconfig --level 35 squid on

修改配置文件:vi /etc/squid/squid.conf

修改如下几个部分:

http_access allow !Safe_ports    #deny改成allow
http_access allow CONNECT !SSL_ports  #deny改成allow
http_access allow all  #deny改成allow

启动squid:sudo service squid start

代理使用的端口是3128

TinyProxy

首先添加一下镜像源,然后安装

rpm -Uvh http://dl.fedoraproject.org/pub/epel/5/i386/epel-release-5-4.noarch.rpm
yum update
yum install tinyproxy

修改配置:vi /etc/tinyproxy/tinyproxy.conf

修改端口和允许的IP,如果想任意主机都连接那就把Allow这一行注释掉。

Port 8888 #预设是8888 Port,你可以更改
Allow 127.0.0.1 #将127.0.0.1改成你自己的IP
#例如你的IP 是1.2.3.4,你改成Allow 1.2.3.4,那只有你才可以连上这个Proxy
#若你想任何IP都可以脸到Proxy在Allow前面打#注释

启动TinyProxy:service tinyproxy start

好了,两个代理都配置好了。

你想用那个都可以!

用下面的命令设置下iptables,放行3128和8888端口就好了。

service iptables save
systemctl stop firewalld
systemctl disable  firewalld
systemctl start iptables
systemctl status iptables
systemctl enable iptables

修改iptables配置:vi /etc/sysconfig/iptables

在:-A IN_public_allow -p tcp -m tcp --dport 22 -m conntrack --ctstate NEW -j ACCEPT

的下面添加两条规则

-A IN_public_allow -p tcp -m tcp --dport 3128 -m conntrack --ctstate NEW -j ACCEPT
-A IN_public_allow -p tcp -m tcp --dport 8888 -m conntrack --ctstate NEW -j ACCEPT

Python爬虫进阶七之设置ADSL拨号服务器代理_第2张图片

保存,然后重启iptables:sudo service iptabels restart

ifconfig得到IP地址,在其他的主机上输入:curl -x IP:8888 www.baidu.com

测试一下,如果能出现结果,那就说明没问题。

Python爬虫进阶七之设置ADSL拨号服务器代理_第3张图片

如果怎么配都连不上,那干脆关了你的防火墙吧。虽然不推荐。

连接代理

接下来才是重头戏,你咋知道你的服务器IP现在到底是多少啊?拨一次号IP就换一次,那这还了得?

如果服务商提供了端口映射!那一切都解决了!直接用端口映射过去就好了。然而,我的并没有。

自力更生,艰苦创业!

首先我研究了一下DDNS服务,也就是动态域名解析。即使你的IP在变化,那也可以通过一个域名来映射过来。

原理简单而统一:当前拨号主机定时向一个固定的服务器发请求,服务器获取remote_addr就好了,可以做到定时更新和解析。

那么我找了一下,国内做的比较好的就是花生壳了,然后又找到了DNSPOD的接口解析。

下面简单说下我的折腾过程,大家可以先不用试,后面有更有效的方法。

花生壳

现在花生壳出到3.0版本了,有免费版和付费版之分,我就试用了一下免费版的。这里是花生壳的一些配置和下载:

花生壳配置

下载花生壳客户端之后,会生成SN码,用这个在花生壳的官网登录后,会分配给你一个免费的域名。

接下来这个域名就能解析到你的主机了。

DNSPOD

DNSPOD原理也是一样,不过好处是你可以配置自己的域名。

在GitHub上有脚本可以使用。

脚本链接

具体的细节我就不说了,实际上就是定时请求,利用remote_addr更新DNSPOD记录,做到动态解析。

解析接口

不过!这两个有个通病!慢!

什么慢?解析慢!但这不是他们的锅,因为DNS修改后完全生效就是需要一定的时间,这一秒你拨号了,然后更新了IP,但是域名可能还是解析着原来的IP,需要过几分钟才能变过来。这能忍吗?

我可是在跑爬虫啊,这还能忍?

自力更生

嗯,V2EX果然是个好地方,逛了一下,收获不小。

链接在此

参考了 abelyao 的思路,自己写了脚本来获取IP,保证秒级更新!

此时,你还需要另一台固定IP的主机或者某个云服务器,只要是地址固定的就好。在这里我用了另一台有固定IP的阿里云主机,当然你如果有什么新浪云啊之类的也可以。

那么现在的思路就是,拨号VPS定时拨号换IP,然后请求阿里云主机,阿里云主机获取VPS的IP地址即可。

拨号VPS做的事情:

定时拨号,定时请求服务器。使用bash脚本,然后crontab定时执行。

远程服务器:

接收请求,获取remote_addr,保存起来。使用Flask搭建服务器,接收请求。

废话少说,上代码

AutoProxy

功能

由于DDNS生效时间过长,对于爬虫等一些时间要求比较紧迫的项目就不太适用,为此本项目根据DDNS基本原理来实现实时获取ADSL拨号主机IP。

基本原理

client文件夹由ADSL拨号客户机运行。它会定时执行拨号操作,然后请求某个固定地址的服务器,以便让服务器获取ADSL拨号客户机的IP,主要是定时bash脚本运行。

server文件夹是服务器端运行,利用Python的Flask搭建服务器,然后接收ADSL拨号客户机的请求,得到remote_addr,获取客户机拨号后的IP。

项目结构

server

  •  config.py 配置文件。
  •  ip 客户端请求后获取的客户端IP,文本保存。
  •  main.py Flask主程序,提供两个接口,一个是接收客户端请求,然后将IP保存,另外一个是获取当前保存的IP。

client

  •  crontab 定时任务命令示例。
  •  pppoe.sh 拨号脚本,主要是实现重新拨号的几个命令。
  •  request.sh 请求服务器的脚本,主要是实现拨号后请求服务器的操作。
  •  request.conf 配置文件。

使用

服务器

服务器提供两个功能,record方法是客户机定时请求,然后获取客户机IP并保存。proxy方法是供我们自己用,返回保存的客户机IP,提取代理。

克隆项目

 

 

1

git clone https://github.com/Germey/AutoProxy.git

 

修改配置

修改config.py文件

  •  KEY 是客户端请求服务器时的凭证,在client的request.conf也有相同的配置,二者保持一致即可。
  •  NEED_AUTH 在获取当前保存的IP(即代理的IP)的时候,为防止自己的主机代理被滥用,在获取IP的时候,需要加权限验证。
  •  AUTH_USER和AUTH_PASSWORD分别是认证用户名密码。
  •  PORT默认端口,返回保存的结果中会自动添加这个端口,组成一个IP:PORT的代理形式。

运行

 

 

1

2

cd server

nohup python main.py

 

ADSL客户机

克隆项目

 

 

1

git clone https://github.com/Germey/AutoProxy.git

 

修改配置

修改reqeust.conf文件

  • KEY 是客户端请求服务器时的凭证,在server的config.py也有相同的配置,二者保持一致即可。
  •  SERVER是服务器项目运行后的地址,一般为http://<服务器IP>:<服务器端口>/record。如http://120.27.14.24:5000/record

修改pppoe.sh文件

这里面写上重新拨号的几条命令,记得在前两行配置一下环境变量,配置上拨号命令所在的目录,以防出现脚本无法运行的问题。

运行

设置定时任务

 

 

1

crontab -e

 

输入crontab的实例命令

 

 

1

*/5 * * * * /var/py/AutoProxy/client/request.sh /var/py/AutoProxy/client/request.conf >> /var/py/AutoProxy/client/request.log

 

注意修改路径,你的项目在哪里,都统一修改成自己项目的路径。

最前面的*/5是5分钟执行一次。

好了,保存之后,定时任务就会开启。

验证结果

这样一来,访问服务器地址,就可以得到ADSL拨号客户机的IP了。

 

 

1

2

3

4

5

import requests

 

url = 'http://120.27.14.24:5000'

proxy = requests.get(url, auth=('admin', '123')).text

print(proxy)

 

实例结果:

 

 

1

116.208.97.22:8888

 

扩展

如果你有域名,可以自己解析一个域名,这样就可以直接请求自己的域名,拿到实时好用的代理了,而且定时更新。

代理设置

urllib2

 

 

1

2

3

4

5

6

import urllib2

proxy_handler = urllib2.ProxyHandler({"http": 'http://' + proxy})

opener = urllib2.build_opener(proxy_handler)

urllib2.install_opener(opener)

response = urllib2.urlopen('http://httpbin.org/get')

print response.read()

 

requests

 

 

1

2

3

4

5

6

import requests

proxies = {

'http': 'http://' + proxy,

}

r = requests.get('http://httpbin.org/get', proxies=proxies)

print(r.text)

 

以上便秒级解决了动态IP解析,自己实现了一遍DDNS,爽!

那这样以来,以后就可以直接请求你的主机获取一个最新可用的代理IP了,稳定可用,定时变化!

以上便是ADSL拨号服务器配置的全过程,希望对大家有帮助!

你可能感兴趣的:(爬虫)