IP模擬器
爬蟲和反爬蟲的對(duì)抗并不激烈。今天我們主要討論一個(gè)非常重要的對(duì)付反爬蟲的手段，那就是IP代理。
通常，我們會(huì)訪問如下網(wǎng)址:
動(dòng)態(tài)IP模擬器
當(dāng)客戶端向URL所在的服務(wù)器發(fā)起請(qǐng)求時(shí)，會(huì)攜帶自己的IP地址，這樣服務(wù)器就可以獲得我們的IP地址。當(dāng)這個(gè)IP地址在某段時(shí)間內(nèi)過于頻繁地發(fā)起請(qǐng)求時(shí)，它可能會(huì)在某段時(shí)間內(nèi)限制其訪問。
在編寫爬蟲程序的過程中，為了防止這種情況發(fā)生，有必要使用IP代理。IP代理的原理如下:
第一步:我們將向代理服務(wù)器發(fā)送請(qǐng)求，并告訴代理服務(wù)器我們想要訪問https://www.zhihu.com。
第二步:代理服務(wù)器將代替我們向https://www.zhihu.com發(fā)送請(qǐng)求。
第三步:服務(wù)器收到代理服務(wù)器的請(qǐng)求后，將數(shù)據(jù)返回給代理服務(wù)器。
第四步:代理服務(wù)器收到服務(wù)器返回的數(shù)據(jù)后，將數(shù)據(jù)發(fā)送給客戶端。
這樣，通過代理服務(wù)器向網(wǎng)址所在的服務(wù)器發(fā)送請(qǐng)求，我們就可以完美地隱藏自己的IP，這樣我們的IP就不會(huì)被限制訪問。
不過，肯定會(huì)有代價(jià)的。我們需要通過IP代理轉(zhuǎn)發(fā)我們想要的數(shù)據(jù)，這自然會(huì)導(dǎo)致爬行速度變慢。只有使用原生IP發(fā)起請(qǐng)求是最快的。
接下來，像往常一樣，我們使用代碼來演示如何通過IP代理發(fā)起請(qǐng)求:
導(dǎo)入請(qǐng)求
#自由代理可以從https://www.xicidaili.com/,獲得，但自由ip代理的存活率很低。
代理= { 0
http:“”183 . 148 . 158 . 64:9999
}
RES = requests . get(' https://www . Baidu . com '，proxies = proxy)
打印(參考文本)
#如果可以正確返回結(jié)果，那么當(dāng)前的ip代理是活動(dòng)的、可用的，否則當(dāng)前的ip代理無效。
僅有一個(gè)代理ip是不夠的。我們應(yīng)該維護(hù)自己的ip代理池。當(dāng)ip代理失敗時(shí)，它將被消除。那么如何維護(hù)一個(gè)可用的ip代理池呢？
#第一步:通過https://www.xicidaili.com/wt/.獲取ip_list
導(dǎo)入請(qǐng)求
來自bs4導(dǎo)入美麗組
隨機(jī)導(dǎo)入
def get_ip_list(url):
標(biāo)題= { 0
用戶代理“:”Mozilla/5.0(Windows NT 10.0；WOW64)applebwebkit/537.36(KHTML，像Gecko)Chrome/66 . 0 . 3359 . 139 Safari/537.36’
}
res = requests.get(url，headers = headers)
res =美化組(res.text，' html.parser ')
結(jié)果= RES . select(# IP _ list tr)
對(duì)于結(jié)果[1:]中的結(jié)果:
ip = result.select('td')[1]。文本
port = result.select('td')[2]。文本
法官(ip，端口)
#獲取ip后，無法直接保存。首先，你應(yīng)該判斷它是否可用。
#第二步:確定獲取的ip是否有效。
ip_list = []
def判斷(ip、端口):
代理= { ' http ':IP+':'+端口}
嘗試:
RES = requests . get(' https://www . Baidu . com '，proxies = proxy)
例外:
打印(此IP:“+IP+”無效)
返回False
否則:
if 200
