Python爬蟲簡單運用爬取代理IP的實現

功能1： 爬取西拉ip代理官網上的代理ip

環境：python3.8+pycharm庫：requests，lxml瀏覽器：谷歌IP地址：http://www.xiladaili.com/gaoni/

分析網頁源碼：

選中div元素后右鍵找到Copy再深入子菜單找到Copy Xpath點擊一下就復制到XPath

我們復制下來的Xpth內容為：/html/body/div/div[3]/div[2]/table/tbody/tr[50]/td[1]雖然可以查出來ip，但不利于程序自動爬取所有IP，利用谷歌XpathHelp測試一下

從上圖可以看出，只匹配到了一個Ip，我們稍作修改，即可達到目的，有關xpath規則，可以參考下表;

經過上面的規則學習后，我們修改為：//*[@class=‘mt-0 mb-2 table-responsive’]/table/tbody/tr/td[1]，再利用xpthhelp工具驗證一下：

這樣我們就可以爬取整個頁面的Ip地址了，為了方便爬取更多的IP，我們繼續往下翻頁，找到翻頁按鈕：

找規律，發現每翻一頁，a標簽下的href連接地址加1即可，python程序可以利用for循環解決翻頁問題即可。為了提高IP代理的質量，我們爬取評分高的IP來使用。找到評分欄下的Xpath路徑，這里不再做詳細介紹，思路參考上面找IP地址的思路，及XPath規則，過程參考下圖：

Python代碼實現

代碼可復制粘貼直接使用，如果出現報錯，修改一下cookie。這里使用代理ip爬取，防止IP被封。當然這里的代碼還是基礎的，有空可以寫成代理池，多任務去爬。當然還可以使用其它思路去實現，這里只做入門介紹。當有了這些代理IP后，我們可以用文件保存，或者保存到數據庫中，根據實際使用情況而定，這里不做保存，只放到列表變量中保存。

import requestsfrom lxml import etreeimport timeclass XiLaIp_Spider: def __init__(self): self.url = ’http://www.xiladaili.com/gaoni/’ self.headers = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.61 Safari/537.36’, ’cookie’: ’td_cookie=1539882751; csrftoken=lymOXQp49maLMeKXS1byEMMmsavQPtOCOUwy6WIbfMNazZW80xKKA8RW2Zuo6ssy; Hm_lvt_31dfac66a938040b9bf68ee2294f9fa9=1592547159; Hm_lvt_9bfa8deaeafc6083c5e4683d7892f23d=1592535959,1592539254,1592612217; Hm_lpvt_9bfa8deaeafc6083c5e4683d7892f23d=1592612332’, } self.proxy = ’116.196.85.150:3128’ self.proxies = { 'http': 'http://%(proxy)s/' % {’proxy’: self.proxy}, 'https': 'http://%(proxy)s/' % {’proxy’: self.proxy} } self.list1 = [] def get_url(self): file = open(’Ip_Proxy.txt’, ’a’, encoding=’utf-8’) ok_file = open(’OkIp_Proxy.txt’, ’a’, encoding=’utf-8’) for index in range(50): time.sleep(3) try:res = requests.get(url=self.url if index == 0 else self.url + str(index) + '/', headers=self.headers, proxies=self.proxies, timeout=10).text except:continue data = etree.HTML(res).xpath('//*[@class=’mt-0 mb-2 table-responsive’]/table/tbody/tr/td[1]') # ’//*[@id='scroll']/table/tbody/tr/td[1]’ score_data = etree.HTML(res).xpath('//*[@class=’mt-0 mb-2 table-responsive’]/table/tbody/tr/td[8]') for i, j in zip(data, score_data):# file.write(i.text + ’n’)score = int(j.text)# 追加評分率大于十萬的ipif score > 100000: self.list1.append(i.text) set(self.list1) file.close() ok_ip = [] for i in self.list1: try:# 驗證代理ip是否有效res = requests.get(url=’https://www.baidu.com’, headers=self.headers, proxies={’http’: ’http://’ + i}, timeout=10)if res.status_code == 200: # ok_file.write(i + ’n’) ok_ip.append(i) except:continue ok_file.close() return ok_ip def run(self): return self.get_url()dl = XiLaIp_Spider()dl.run()

到此這篇關于Python爬蟲簡單運用爬取代理IP的實現的文章就介紹到這了,更多相關Python 爬取代理IP內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！