本文实例讲述了python实现ip代理池功能。分享给大家供大家参考,具体如下:
爬取的代理源为西刺代理。
- 用xpath解析页面
- 用telnet来验证ip是否可用
- 把有效的ip写入到本地txt中。当然也可以写入到redis、mongodb中,也可以设置检测程序当代理池中的ip数不够(如:小于20个)时,启动该脚本来重新获取ip,本脚本的代码也要做相应的改变。
# !/usr/bin/env python # -*- coding: utf-8 -*- # @Version : 1.0 # @Time : 2018/10/23 上午10:40 # @Author : Yeoman # @Description : import urllib.request import lxml.etree import telnetlib import os headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36' } def get_proxy(page_num): # 获取页面 req = urllib.request.Request('http://www.xicidaili.com/nn/{}'.format(page_num), headers=headers) # 构造request请求 response = urllib.request.urlopen(req) # 发送请求 html = response.read() html = html.decode('utf-8') # print(html) # 解析页面 proxy_list = [] selector = lxml.etree.HTML(html) rows = selector.xpath('//*[@id="ip_list"]//tr') rows_total = len(rows) row_xpath_head = '//*[@id="ip_list"]//tr[' row_ip_xpath_tail = ']/td[2]/text()' row_port_xpath_tail = ']/td[3]/text()' for i in range(1, rows_total): ip_xpath = row_xpath_head + str(i+1) + row_ip_xpath_tail port_xpath = row_xpath_head + str(i+1) + row_port_xpath_tail ip = selector.xpath(ip_xpath)[0] port = selector.xpath(port_xpath)[0] ip_port = ip + ':' + port proxy_list.append(ip_port) return proxy_list # 检测代理ip是否可用 def test_proxy_ip_port(proxy_ip_port): print('当前代理ip:{}'.format(proxy_ip_port)) ip_port = proxy_ip_port.split(':') ip = ip_port[0] port = ip_port[1] # 用telnet来验证ip是否可用 try: telnetlib.Telnet(ip, port, timeout=10) except: return False else: return True # 把有效的ip写入本地 def write_ip(proxy_ip): with open('./ip.txt', 'a') as f: f.write(proxy_ip + '\n') # 删除文件 def del_file(): file_path = './ip.txt' if os.path.exists(file_path): os.remove(file_path) def run(): del_file() proxy_ip_port_list = [] for i in range(1, 6): # 前5页 proxy_ip_port_list += get_proxy(i) for i in range(100): # 一页有100条 proxy_ip_port = proxy_ip_port_list[i] is_valid = test_proxy_ip_port(proxy_ip_port) print(is_valid) if is_valid: # 写入ip到本地 write_ip(proxy_ip_port) if __name__ == '__main__': run()
更多关于Python相关内容可查看本站专题:《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com
暂无评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
2024年11月12日
2024年11月12日
- 雨林唱片《赏》新曲+精选集SACD版[ISO][2.3G]
- 罗大佑与OK男女合唱团.1995-再会吧!素兰【音乐工厂】【WAV+CUE】
- 草蜢.1993-宝贝对不起(国)【宝丽金】【WAV+CUE】
- 杨培安.2009-抒·情(EP)【擎天娱乐】【WAV+CUE】
- 周慧敏《EndlessDream》[WAV+CUE]
- 彭芳《纯色角3》2007[WAV+CUE]
- 江志丰2008-今生为你[豪记][WAV+CUE]
- 罗大佑1994《恋曲2000》音乐工厂[WAV+CUE][1G]
- 群星《一首歌一个故事》赵英俊某些作品重唱企划[FLAC分轨][1G]
- 群星《网易云英文歌曲播放量TOP100》[MP3][1G]
- 方大同.2024-梦想家TheDreamer【赋音乐】【FLAC分轨】
- 李慧珍.2007-爱死了【华谊兄弟】【WAV+CUE】
- 王大文.2019-国际太空站【环球】【FLAC分轨】
- 群星《2022超好听的十倍音质网络歌曲(163)》U盘音乐[WAV分轨][1.1G]
- 童丽《啼笑姻缘》头版限量编号24K金碟[低速原抓WAV+CUE][1.1G]