這篇文章主要介紹了關於python獲取代理IP的實例分享，有著一定的參考價值，現在分享給大家，有需要的朋友可以參考一下
平時當我們需要爬取一些我們需要的資料時，總是有些網站禁止同一IP重複訪問，這時候我們就應該使用代理IP，每次訪問前偽裝自己，讓「敵人」無法察覺。
oooooooooooooooOK，讓我們愉快的開始吧！
這個是取得代理ip的文件，我將它們模組化，分成三個函數
註：文中會有些英文註釋，是為了寫程式碼方便，畢竟英文一兩個單字就ok了
#!/usr/bin/python
#-*- coding:utf-8 -*-
"""
author:dasuda
"""
import urllib2
import re
import socket
import threading
findIP = [] #获取的原始IP数据
IP_data = [] #拼接端口后的IP数据
IP_data_checked = [] #检查可用性后的IP数据
findPORT = [] #IP对应的端口
available_table = [] #可用IP的索引
def getIP(url_target):
patternIP = re.compile(r'(?<=<td>)[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}')
patternPORT = re.compile(r'(?<=<td>)[\d]{2,5}(?=</td>)')
print "now,start to refresh proxy IP..."
for page in range(1,4):
url = 'http://www.xicidaili.com/nn/'+str(page)
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64)"}
request = urllib2.Request(url=url, headers=headers)
response = urllib2.urlopen(request)
content = response.read()
findIP = re.findall(patternIP,str(content))
findPORT = re.findall(patternPORT,str(content))
#assemble the ip and port
for i in range(len(findIP)):
findIP[i] = findIP[i] + ":" + findPORT[i]
IP_data.extend(findIP)
print('get page', page)
print "refresh done!!!"
#use multithreading
mul_thread_check(url_target)
return IP_data_checked
def check_one(url_check,i):
#get lock
lock = threading.Lock()
#setting timeout
socket.setdefaulttimeout(8)
try:
ppp = {"http":IP_data[i]}
proxy_support = urllib2.ProxyHandler(ppp)
openercheck = urllib2.build_opener(proxy_support)
urllib2.install_opener(openercheck)
request = urllib2.Request(url_check)
request.add_header('User-Agent',"Mozilla/5.0 (Windows NT 10.0; WOW64)")
html = urllib2.urlopen(request).read()
lock.acquire()
print(IP_data[i],'is OK')
#get available ip index
available_table.append(i)
lock.release()
except Exception as e:
lock.acquire()
print('error')
lock.release()
def mul_thread_check(url_mul_check):
threads = []
for i in range(len(IP_data)):
#creat thread...
thread = threading.Thread(target=check_one, args=[url_mul_check,i,])
threads.append(thread)
thread.start()
print "new thread start",i
for thread in threads:
thread.join()
#get the IP_data_checked[]
for error_cnt in range(len(available_table)):
aseemble_ip = {'http': IP_data[available_table[error_cnt]]}
IP_data_checked.append(aseemble_ip)
print "available proxy ip:",len(available_table)一、getIP(url_target):主要函數傳入參數是：驗證代理IP可用性的網址，推薦ipchina
獲取代理IP，從http://www.xicidaili.com/nn/網站獲取，它是一個提供免費代理IP的網站，但是裡面的IP不是全都能用，而且結合你的實際地理位置、網路情況、存取的目標伺服器等情況，能用的大概不到20%，至少我的情況是這樣。
訪問http://www.xicidaili.com/nn/網站使用正常方式，返回的網頁內容透過正則查詢獲得需要的IP和對應端口，代碼如下：
patternIP = re.compile(r'(?<=<td>)[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}\.[\d]{1,3}')
patternPORT = re.compile(r'(?<=<td>)[\d]{2,5}(?=</td>)')
...
findIP = re.findall(patternIP,str(content))
findPORT = re.findall(patternPORT,str(content))關於如何建構正規表示式，可以參考其他的文章：
取得的IP保存在findIP中，對應的連接埠在findPORT中，兩者依索引對應，取得一頁IP正常數量為100.
接下來進行IP與連接埠拼接
最後進行可用性檢查
#二、check_one(url_check,i):執行緒函數
本次訪問url_check還是使用正常方式訪問，當訪問網頁有返回時，則說明本代理IP可用，則記錄下當前索引值，用於後面將所有可用IP取出。
三、mul_thread_check(url_mul_check):多執行緒產生
本函數開啟多執行緒檢查代理IP可用性，每個IP開啟一個執行緒進行檢查。
本工程直接呼叫getIP(),並傳入用於檢查可用性的網址，即可傳回一個列表，裡面是經可用性檢查的ip列表，格式為
['ip1:port1','ip2:port2',....]
相關推薦：
#
以上是python取得代理IP的實例分享的詳細內容。更多資訊請關注PHP中文網其他相關文章！
