Python爬蟲使用代理proxy抓取網頁

代理類型（proxy）:透明代理 匿名代理 混淆代理和高匿代理. 這裡寫一些python爬蟲使用代理的知識, 還有一個代理池的類. 方便大家應對工作中各種複雜的抓取問題。

urllib 模組使用代理

urllib/urllib2使用代理比較麻煩, 需要先構建一個ProxyHandler的類, 隨後將該類用於構建網頁打開的opener的類,再在request中安裝該opener.

代理格式是"http://127.0.0.1:80",如果要帳號密碼是"http://user:password@127.0.0.1:80".  

proxy="http://127.0.0.1:80"

# 创建一个ProxyHandler对象
proxy_support=urllib.request.ProxyHandler({'http':proxy})
# 创建一个opener对象
opener = urllib.request.build_opener(proxy_support)
# 给request装载opener
urllib.request.install_opener(opener)
# 打开一个url
r = urllib.request.urlopen('http://youtube.com',timeout = 500)

requests 模組使用代理

requests使用代理要比urllib簡單多了…這裡以單次代理為例. 多次的話可以用session一類構建.

如果需要使用代理，你可以通過為任意請求方法提供proxies 參數來設定單一請求:

import requests
proxies = {
  "http": "http://127.0.0.1:3128",
  "https": "http://127.0.0.1:2080",
}
r=requests.get("http://youtube.com", proxies=proxies)
print r.text

你也可以透過環境變數HTTP_PROXY 和HTTPS_PROXY 來設定代理程式。

export HTTP_PROXY="http://127.0.0.1:3128"
export HTTPS_PROXY="http://127.0.0.1:2080"
python
>>> import requests
>>> r=requests.get("http://youtube.com")
>>> print r.text

若你的代理需要使用HTTP Basic Auth，可以使用http://user:password@host/ 語法: 

proxies = {
    "http": "http://user:pass@127.0.0.1:3128/",
}

python的代理使用非常簡單， 最重要的是要找一個網絡穩定可靠的代理，有問題歡迎留言提問