爬虫获取免费代理IP

【小白学爬虫连载(12)】--获取免费高匿代理IP 欢迎关注【哈希大数据】【小白学爬虫连载(1)】-爬虫框架简介【小白学爬虫连载(2)】--Requests库介绍【小白学爬虫连载(3)】--正则表达式详细介绍【小白学爬虫连载(4)】-如何使用chrome分析目标网站【小白学爬虫连载(5)】--Beautiful Soup库详解【小白学爬虫连载(6)】--Selenium库详解【小白学爬虫连载(7)】--scrapy框架的安装【小白学爬虫连载(8)】... 阅读详情

创建文件UserAgent.py

写入:

import random

user_agent = [
    "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
    "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
    "Mozilla/5.0 (Windows NT 10.0; WOW64; rv:38.0) Gecko/20100101 Firefox/38.0",
    "Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; .NET4.0C; .NET4.0E; .NET CLR 2.0.50727; .NET CLR 3.0.30729; .NET CLR 3.5.30729; InfoPath.3; rv:11.0) like Gecko",
    "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)",
    "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)",
    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)",
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
    "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)",
    "Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
    "Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
    "Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
    "Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1",
    "MQQBrowser/26 Mozilla/5.0 (Linux; U; Android 2.3.7; zh-cn; MB200 Build/GRJ22; CyanogenMod-7) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1",
    "Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10",
    "Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13",
    "Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+",
    "Mozilla/5.0 (hp-tablet; Linux; hpwOS/3.0.0; U; en-US) AppleWebKit/534.6 (KHTML, like Gecko) wOSBrowser/233.70 Safari/534.6 TouchPad/1.0",
    "Mozilla/5.0 (SymbianOS/9.4; Series60/5.0 NokiaN97-1/20.0.019; Profile/MIDP-2.1 Configuration/CLDC-1.1) AppleWebKit/525 (KHTML, like Gecko) BrowserNG/7.1.18124",
    "Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)",
    "UCWEB7.0.2.37/28/999",
    "NOKIA5700/ UCWEB7.0.2.37/28/999",
    "Openwave/ UCWEB7.0.2.37/28/999",
    "Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999",
    # iPhone 6
	"Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25",
    # 新版移动ua
    "Mozilla/5.0 (Linux;u;Android 4.2.2;zh-cn;) AppleWebKit/534.46 (KHTML,like Gecko) Version/5.1 Mobile Safari/10600.6.3 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)"
]


# 随机获取一个请求头
def get_headers():
    return random.choice(user_agent)


创建文件:GetIp.py

写入:

import urllib.request
from lxml import etree
import re
import scrapy
from io import BytesIO
import gzip
import UserAgent
import time


def open_url(url):
    req = urllib.request.Request(url)
#获取请求头
    headers = UserAgent.get_headers()
    req.add_header('User-Agent', headers)
    page = urllib.request.urlopen(req)
    result = page.read().decode('utf-8')
    html = etree.HTML(result)
    return html


def get_page(html):
    pages = int(html.xpath('//div[@id="listnav"]/ul/li/a/text()')[-1])
    return pages


def get_img(html):
    #获取最大页面
    page = get_page(html)
    #打开文件
    file = open('ip.txt', 'w', encoding='utf-8')
    for p in range(1, page):
        #汇成新URL
        url_new = url + str(p)
        #休眠5S
        time.sleep(5)
        print(p)
        print(url_new)

        htmls = open_url(url_new)
        print("打开" + str(p) + "页" + "\n")
        #获取IP
        ip = htmls.xpath('//tbody/tr/td[1]/text()')
        #端口
        port = htmls.xpath('//tbody/tr/td[2]/text()')
        #匿名度
        hide_type = htmls.xpath('//tbody/tr/td[3]/text()')
        #HTTP类型
        http_type = htmls.xpath('//tbody/tr/td[4]/text()')
        #位置
        location = htmls.xpath('//tbody/tr/td[5]/text()')
        #响应速度
        response_time = htmls.xpath('//tbody/tr/td[6]/text()')
        #验证时间
        insert_date = htmls.xpath('//tbody/tr/td[7]/text()')
        for i in range(0, len(ip)):
            file.write(
                ip[i] + ',' + port[i] + hide_type[i] + ',' + http_type[i] + ',' + location[i] + ',' + response_time[
                    i] + ',' + insert_date[i] + '\n')
            print(ip[i] + ',' + port[i] + hide_type[i] + ',' + http_type[i] + ',' + location[i] + ',' + response_time[
                i] + ',' + insert_date[i] + '\n')


if __name__ == '__main__':
    #快代理网站地址
    url = "https://www.kuaidaili.com/free/inha/"
    #调用爬取
    get_img(open_url(url))

 

网络爬虫设置代理服务器 由于谷歌网站服务器的原因,访问该网站必定会出现连接超时的问题。header请求头字段可以在网页按F12键,上方找到网络标识,然后点击下方有一个名称点进去,右边窗口下面就有User-Agent字段。访问网站离不开网络的支撑。由于网络环境十分复杂,具有一定的不可控性,所以网络爬虫。如果希望在网络爬虫程序中使用代理服务器,就需要为网络爬虫程序设置代理服务器。每个程序在运行过程中可能会遇到各种各样的问题,网络爬虫自然也不例外。地址,以防止服务器识别出网络爬虫的身份而被禁止访问,并将服务器返回的响应赋值给变。 阅读详情

相关推荐

爬虫-JAVA写的获取免费代理IP

.自己分析了一下几个网站,总结研究了一下,稍有些小小的成果,与大家分享一下经验,互相学习学习。。。。 西刺代理 :https://www.xicidaili.com/nn/1 快代理:https://www.kuaidaili.com/free/inha/1 西拉代理 IP:http://www.xiladaili.com/gaoni/1/ 极速代理IP:http://www.superf...

无关痛痒 1061

爬虫如何获取免费代理IP(一)

获取云代理http://www.ip3366.net/提供的IP。

qwy715229258163的博客 3183

【Python学习】网络爬虫-批量获取免费代理地址

批量获取免费代理地址:导入requests模块# 从bs4中导入BeautifulSoup模块# 定义获取代理地址的方法# 定义proxy_ips列表存储代理地址# 设置headers# 从第一页开始循环访问print(f"正在爬取第。

u014481728的博客 4193

python爬虫之生成免费的IP代理池

本文将提到IP代理池的生成以及IP代理池的使用,通俗易懂。

weixin_44871998的博客 1172

Python爬虫教程:如何使用Python获取免费代理IP

Python爬虫教程:如何使用Python获取免费代理IP

weixin_43263566的博客 6781

『python爬虫』获取免费IP代理 搭建自己的ip代理池(保姆级图文)

『python爬虫』获取免费IP代理 搭建自己的ip代理池(保姆级图文)

MZH 1439

【基础】【Python网络爬虫】【13.免费代理与付费代理】(附大量案例代码)(建议收藏)

一、免费代理 1. 什么是代理IP 2. 代理IP的类型 3. 代理IP的作用 4. 免费代理的潜在风险 5. 免费代理网站 二、付费代理 1. 找付费代理服务站点 2. 生成获取代理的api接口 3. python获取代理 请求接口示例 数据返回示例 4. 解决请求速率 5. 品易代理使用注意事项 代理添加白名单 请求速率问题

weixin_43612602的博客 6051

【黑马-产品经理入门基础课笔记】01.认识产品经理

问题定义 ==> 可行性研究 ==> 需求分析。

2401_88466092的博客 1843

Python爬虫:爬取免费代理ip

之前写的几个爬虫都只能爬取到少量的信息,这是由于一个ip频繁地访问网站,会被认定为非正常的爬虫从而被屏蔽,这时候就需要使用代理ip来访问网站了,具体方法就是在发送request时添加一个proxy参数。代理ip有收费的也有免费的,免费的通常不太稳定,或者根本无法使用。我们的目标是在https://www.xicidaili.com/nn/页面爬取免费代理ip,然后验证代理ip可否使用,最后把相关信...

Jodness' Blogs 3905

自动化测试工具playwright中文文档-------1.编写测试

Playwright 测试非常简单,它们执行操作,并断言状态是否符合预期。在执行任何操作之前,无需等待任何内容:Playwright 在执行每个操作之前会自动等待一系列可操作性检查通过。此外,在执行检查时也不需要处理竞态条件——Playwright 的断言设计方式能够描述最终需要满足的期望。就这样!这些设计选择允许 Playwright 用户完全忘记他们测试中的不稳定超时和竞态检查。您将学习如何编写第一个测试如何执行操作如何使用断言测试如何在隔离环境中运行如何使用测试钩子。

2301_76646967的博客 2510

如何从Matlab工作区读取数据,并按时序将数据输入Simulink中

如何从Matlab工作区读取数据,并按时序将数据输入Simulink中 例如:一周掌握 Java 入门知识 学习内容: 提示:这里可以添加要学的内容 例如: 1、 搭建 Java 开发环境 2、 掌握 Java 基本语法 3、 掌握条件语句 4、 掌握循环语句 学习时间: 提示:这里可以添加计划学习的时间 例如: 1、 周一至周五晚上 7 点—晚上9点 2、 周六上午 9 点-上午 11 点 3、 周日下午 3 点-下午 6 点 学习产出: 提示:这里统计学习计划的总量 例如: 1、 技术笔记 2 遍

weixin_44899540的博客 1万+

python提取免费代理ip_程序员学网络爬虫之用python获取免费代理IP

对我们一般用户而言, 爬虫是个很好的工具, 利用它可以方便的快速的获取想要的信息。 但对于网站而言, 网络爬虫占用了太多的资源, 也没可能从这些爬虫获取点击量增加广告收入, 所以很多网站痛恨爬虫, 对爬虫采取了一系列的反爬虫措施, 其中最主要的一条措施就是会封禁频繁快速访问大量网页的ip。 而通过代理ip网络爬虫可绕过这一限制。 要使用代理ip, 我们首先要获取大量代理ip并构建一个代理ip池。 ...

weixin_39744408的博客 340

Visionpro 使用CogPMAlignTool工具提取匹配轮廓点

【代码】Visionpro 使用CogPMAlignTool工具提取匹配轮廓点。

weixin_43947315的博客 2093

通过爬虫获取免费IP代理,搭建自己的IP池(http)

文章目录前言简介代码总结 前言 常见的反爬虫措施之一,就是查看用户发起请求的IP地址,若很频繁,则封IP。我们可以通过使用动态代理IP池实现反爬虫。百度搜索:爬虫IP池, 就有很多网站,这些网站一般都有提供免费的代理IP。但是这些IP质量不高,需要自己手动复制粘贴,测试后再使用,效率底下。我们可以写个爬虫,批量获取免费IP,自动测试后,再使用。 本篇文章使用的目标网址为:高可用全球免费代理IP库 简介 传入URL地址,返回可用的IP地址list列表。 __init __ :设置请求头、请求地址list p

nixiak的博客 2万+

STM32F103待机模式原理与低功耗实战指南

待机模式是嵌入式系统实现超低功耗的核心机制,其本质是通过切断内核域电源(VDD/VDDA)实现微安级静态电流,区别于睡眠/停止模式的状态保持特性。原理上依赖电源域隔离、WKUP引脚事件唤醒与RTC备份域协同,技术价值在于支撑电池供电设备长达数年续航。典型应用场景包括物联网传感器节点、智能电表、便携医疗设备等对功耗极度敏感的终端。工程落地需严格遵循GPIO模拟输入配置、唤醒标志清除、备份域解锁等关键步骤,避免因漏电或误唤醒导致实测电流超标。本文以STM32F103为例,深入解析待机模式的硬件基础与HAL库实现

weixin_32999557的博客 66

SI好文翻译:铜箔表面纹理对损耗的影响:一个有效的模型(一)

Paul G. Huray发表在DesignCon2010的提出铜箔表面雪球模型的论文。第一部分说明之前的铜箔表面模型只适用于5GHz以内,超过5GHz后就不再准确。

小孟同学的博客 2174

爬虫利器:Python获取免费IP代理

由于现在很多网站都有反爬虫机制,同一个ip不能频繁访问同一个网站,这就使得我们在进行大量数据爬取时需要使用代理进行伪装,本博客给出几个免费ip代理获取网站爬取ip代理的代码,可以嵌入到不同的爬虫程序中去,已经亲自测试有用。需要的可以拿去使用(本人也是参考其他人爬虫程序实现的,但是忘记原地址了)。 # coding=utf-8 import urllib2 import re p...

LMR的博客 4508

79-Halcon-- visualize_object_model_3d 函数功能(交互式3D可视化)

该算子是连接3D数据与决策者的关键可视化桥梁,通过其独特的交互能力和高质量的渲染效果,将复杂的3D信息转化为直观的可视内容,大幅提升工程决策效率和质量。操作符,不仅能在窗口中渲染3D对象,还支持多种交互操作,适用于调试、展示和交互分析场景。本解析将全面探讨其参数功能及工业级应用方案。+几何类型: PointCloud/ TriMesh/CAD。+法线属性: [NX,NY,NZ]+附加数据: Attributes。是Halcon中功能强大的。+顶点属性: [X,Y,Z]+颜色属性: [R,G,B]

weixin_45590420的博客 1206

python爬虫ip每三次换一次_干货|如何使用requests模块获取免费的代理IP?

我们通常会在网页中对目标网页进行爬取,为了避免爬取目标网页的后台服务器,对我们实施封锁IP的操作。我们可以每发送一次网络请求更换一个IP,从而降低被发现的风险。其实在获取免费的代理IP之前,需要先找到提供免费代理IP的网页,然后通过爬虫技术将大量的代理IP提取并保存至文件当中。以某免费代理IP网页为例,实现代码如下:01 importrequests #导入网络请求模块02 f...

weixin_39936558的博客 446

基于半经验模型的熔断器燃弧过程计算与分析

本文针对1200V/1250A熔断器建立电弧燃烧半经验模型,通过ANSYS计算弧前时间,结合熔体烧蚀、石英砂烧蚀等物理过程简化建模。模型引入电导率随温度变化函数,利用Matlab拟合实验数据确定参数。分析表明:熔体宽度和节距增加会提高弧压峰值并缩短过零时间;总长固定时,断口数和节距影响较小。弧压峰值需控制在额定电压3倍内,过零时间需满足安全裕度。通过Python代码复现了电弧电导率模型、能量平衡方程及弧压计算,验证了熔体结构尺寸对电弧特性的影响规律。

huanghm88的专栏 261

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Python网络爬虫教程-批量获取免费代理地址

将获取到的代理 IP 与端口拼接为正式的代理格式(如 {'http': 'http:// 代理 IP: 端口 ', 'https': 'https:// 代理 IP: 端口 '}),使用 requests 库发送请求,并设置合理的超时时间(如 3 秒)。通过这种方式,可以从批量获取的免费代理 IP 中筛选出真正可用的部分,提高代理 IP 的质量,确保爬虫在使用代理 IP 时能够顺利访问目标网站,避免因使用无效代理 IP 而导致请求失败或被目标网站封禁的风险。这类网站数量较多,基本能够满足小规模使用场景。

数据狐(DataFox19970-108-018) 1435

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Python网络爬虫实战进阶:代理IP池免费送

通过以上步骤,即可实现在Python网络爬虫实战中使用代理IP池进行网络爬取。需要注意的是,代理IP池只是一种技术手段,要遵循网络爬虫的道德和法律规定,不要滥用代理IP进行非法爬取。

zhangxia_的博客 8858

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Python爬虫 获取免费的代理Ip

** Python爬虫 获取免费的代理Ip ** 最近在学习爬虫,在抓取b站弹幕的时候,由于同一ip访问次数过多,出现了ip地址被禁止访问的情况。当时贪写起来简单,就没有调取MongoDB数据库存储,使得前面抓取的网页全部丢失了,实在是有点得不偿失。 在网上简单查了一下,出现不明原因访问禁止主要有以下两种解决方法: 推迟调用线程的运行,比如 time.sleep() 在发送请求时使用代理 在这...

Strlit的博客 789

通过爬虫获取免费IP代理,搭建自己的IP池(https)

文章目录前言简介代码如何调用结果总结 前言 常见的反爬虫措施之一,就是查看用户发起请求的IP地址,若很频繁,则封IP。我们可以通过使用动态代理IP池实现反爬虫。百度搜索:爬虫IP池, 就有很多网站,这些网站一般都有提供免费的代理IP。但是这些IP质量不高,需要自己手动复制粘贴,测试后再使用,效率底下。我们可以写个爬虫,批量获取免费IP,自动测试后,再使用。 本篇文章使用的目标网址为:proxy list。本教程中不解析页面,而是直接获取json格式。因为HTTP较少,所以本文章只获取其中HTTPS类型的IP

nixiak的博客 1万+

认识爬虫:怎么使用代理 IP 规避反爬虫以及使用爬虫获取更多可用的免费代理 IP?

在一些网站服务中,除了对 user-agent 的身份信息进行检测、也对客户端的 ip 地址做了限制,如果是同一个客户端访问此网站服务器的次数过多就会将其识别为爬虫,因而,限制其客户端 ip 的访问。这样的限制给我们的爬虫带来了麻烦,所以使用代理 ip 在爬虫中是非常有必要的。 要使用代理 ip 进行爬虫就面临两个问题,一是怎么使用、这个就相对简单,另一个是怎么获取这么多的代理 ip。获取代理 ip 可以去代理 ip 的站点购买、也有免费的代理 ip 站点,相对来说买的代理 ip 的质量更高一些,最后,我们

梦在硅谷的博客 410

使用python为爬虫获取免费代理ip

免费代理ip的爬取 爬虫一直是python使用的一个重要部分,而许多网站也为此做了许多反爬措施,其中爬虫访问过于频繁直接封ip地址也作为一种“伤敌一千,自损八百”的方法被许多网站采用,代理ip便可以防止这种情况出现。 搜索免费代理提供网站 提供免费代理的网站直接百度还是有很多的,这里我就选取了西刺免费代理,选取了透明代理进行爬取。 分析界面 打开网址,可以看见ip很规则的排列...

博客 2万+
上一篇: python编写计时器并可进行加减
下一篇: 测试爬取IP是否可用代码
AA赵师傅
博客等级 码龄9年 89粉丝 124原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值