爬虫代理池-防封ip解决方案之ip代理池

本项目其实就是个简单的代理服务器，经过我小小的修改。加了个代理池进来。渗透、爬虫的时候很容易就会把自己ip给ban了，所以就需要ip代理池了。

爬虫代理IP池

______                        ______             _| ___ _                      | ___            | || |_/ / __ __   __  _ __   _ | |_/ /___   ___  | ||  __/|  _// _   / /| | | ||  __// _  / _  | || |   | | | (_) | >  <  |_| || |  | (_) | (_) || |____|   |_|  ___/ /_/_ __  |_|   ___/ ___/ _____                       __ / /
                      /___ /

ProxyPool

爬虫代理IP池项目,主要功能为定时采集网上发布的免费代理验证入库，定时验证入库的代理保证代理的可用性爬虫代理池，提供API和CLI两种使用方式。同时你也可以扩展代理源以增加代理池IP的质量和数量。

运行项目

下载代码:

git clone git@github.com:jhao104/proxy_pool.git

<span style="outline: 0px; color: rgb(89, 89, 89); font-family: -apple-system-font, BlinkMacSystemFont, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif; font-size: 15px; font-variant-ligatures: no-common-ligatures; letter-spacing: 2px; text-align: start; white-space: pre-wrap; widows: 1; word-spacing: 1.5px; visibility: visible;">

https://github.com/jhao104/proxy_pool/releases 下载对应zip文件

安装依赖:

pip install -r requirements.txt

更新配置:

# setting.py 为项目配置文件# 配置API服务HOST = "0.0.0.0"               # IPPORT = 5000                    # 监听端口# 配置数据库DB_CONN = 'redis://:pwd@127.0.0.1:8888/0'# 配置 ProxyFetcherPROXY_FETCHER = [    "freeProxy01",      # 这里是启用的代理抓取方法名，所有fetch方法位于fetcher/proxyFetcher.py    "freeProxy02",    # ....]

启动项目:

# 如果已经具备运行条件, 可用通过proxyPool.py启动。# 程序分为: schedule 调度程序 和 server Api服务# 启动调度程序python proxyPool.py schedule# 启动webApi服务python proxyPool.py server

Image

docker pull jhao104/proxy_pool
docker run --env DB_CONN=redis://:password@ip:port/0 -p 5010:5010 jhao104/proxy_pool:latest

-

项目目录下运行:

docker-compose up -d

使用

启动web服务后, 默认配置下会开启:5010的api接口服务:

如果要在爬虫代码中使用的话，可以将此api封装成函数直接使用爬虫代理池，例如：

import requestsdef get_proxy():    return requests.get("http://127.0.0.1:5010/get/").json()def delete_proxy(proxy):    requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy))# your spider codedef getHtml():    # ....    retry_count = 5    proxy = get_proxy().get("proxy")    while retry_count > 0:        try:            html = requests.get('http://www.example.com', proxies={"http": "http://{}".format(proxy)})            # 使用代理访问            return html        except Exception:            retry_count -= 1    # 删除代理池中代理    delete_proxy(proxy)    return None

扩展代理

项目默认包含几个免费的代理获取源，但是免费的毕竟质量有限，所以如果直接运行可能拿到的代理质量不理想。所以，提供了代理获取的扩展方法。

添加一个新的代理源方法如下:

class ProxyFetcher(object):    # ....
    # 自定义代理源获取方法    @staticmethod    def freeProxyCustom1():  # 命名不和已有重复即可
        # 通过某网站或者某接口或某数据库获取代理        # 假设你已经拿到了一个代理列表        proxies = ["x.x.x.x:3128", "x.x.x.x:80"]        for proxy in proxies:            yield proxy        # 确保每个proxy都是 host:ip正确的格式返回

在下添加自定义方法的名字:

PROXY_FETCHER = [    "freeProxy01",        "freeProxy02",    # ....    "freeProxyCustom1"  #  # 确保名字和你添加方法名字一致]

进程会每隔一段时间抓取一次代理，下次抓取时会自动识别调用你定义的方法。

免费代理源

目前实现的采集免费代理网站有(排名不分先后, 下面仅是对其发布的免费代理情况, 付费代理测评可以参考):

(具体地址可看项目地址)

项目地址

https://github.com/jhao104/proxy_pool

最后再来分享一部超级硬核的GPT专栏：,目前已完成95%，后面会持续更新不断升级！

点击后查看大图

点击后查看大图

点击后查看大图

今天从公众号过来的优惠价：89元（即将恢复原价169），今天拿出10个独立、可修改密码的账号（目前价值40元）送给前10位付费用户，先到先得，送完为止哦！有需要的识别二维码上车。

需要的识别二维码

限时特惠:本站持续每日更新海量各大内部创业课程，一年会员仅需要98元，全站资源免费下载
点击查看详情

站长微信:Jiucxh