爬蟲筆記(二) - 關于Scrapy下載中間件(IP代理)

代理網站

常用的代理網站有
西刺免費代理IP
IPRENT
米撲

代碼

這段代碼有bug,測試review_ips函數(shù)好像并沒有生效

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
# @Time    : 2017/4/27 18:58
# @Author  : Spareribs
# @File    : xicidaili.py
"""

import requests
from bs4 import BeautifulSoup
import threading
import Queue


class Get_ips():
    def __init__(self, page):
        self.ips = []
        self.urls = []
        for i in range(page):
            self.urls.append("http://www.xicidaili.com/nn/" + str(i))
        self.header = {"User-Agent": 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'}
        # self.file=open("ips",'w')
        self.q = Queue.Queue()
        self.Lock = threading.Lock()
        self.cookies = {"user_trace_token": "20170502200739-07d687303c1e44fa9c7f0259097266d6", }
        # self.base_url = "https://www.lagou.com/jobs/positionAjax.json?city=%E5%B9%BF%E5%B7%9E&needAddtionalResult=false&kd=python&pn=1"
        self.base_url = "https://www.baidu.com"
    def get_ips(self):
        for url in self.urls:
            res = requests.get(url, headers=self.header)
            soup = BeautifulSoup(res.text, 'lxml')
            ips = soup.find_all('tr')
            for i in range(1, len(ips)):
                ip = ips[i]
                tds = ip.find_all("td")
                ip_temp = "{0}://{1}:{2}".format(tds[5].contents[0], tds[1].contents[0], tds[2].contents[0])
                # print str(ip_temp)
                self.q.put(str(ip_temp))

    def review_ips(self):
        while not self.q.empty():
            ip = self.q.get()
            # print ip,type(ip)
            http_tag = ip.split(":")[0]
            # print http_tag
            try:
                proxy = {http_tag: ip}
                print proxy
                res = requests.get(self.base_url, proxies=proxy, timeout=1)
                self.Lock.acquire()
                if res.status_code == 200:
                    self.ips.append(ip)
                    # print ip
                    self.Lock.release()
            except Exception:
                pass
                # print 'error'

    def main(self):
        self.get_ips()
        threads = []
        for i in range(40):
            threads.append(threading.Thread(target=self.review_ips, args=[]))
        for t in threads:
            t.start()
        for t in threads:
            t.join()
        return self.ips


def get_ip():
    my = Get_ips(2)
    getips_list = my.main()
    with open("iplist.txt", "w") as f:
        for getip in getips_list:
            f.write(str(getip) + "\n")
            # print getip
    f.close()
    return getips_list

if __name__ == "__main__":
    get_ip()

scrapy中代理中間件的使用方法

middlewares.py設置

class ProxyMiddleware(object):
    # with open("(此處應該是生成ip地址的txt文件)") as f:
    #     proxy_list = f.readlines()
    # f.close()
    proxy_list = [
        # "HTTP://110.73.3.113:8123",
        "HTTP://171.13.37.172:808",
        "HTTPS://221.229.44.79:808",
    ]

    def process_request(self, request, spider):
        ip = random.choice(self.proxy_list)
        print ip
        request.meta['proxy'] = ip

setting.py文件設置

DOWNLOADER_MIDDLEWARES = {
    'lagou.middlewares.ProxyMiddleware': 110,
}

Requests代理測試的方法

import requests

proxy = {"http":"http://110.80.142.147:808"}
base_url = "https://www.lagou.com/jobs/positionAjax.json?city=%E5%B9%BF%E5%B7%9E&needAddtionalResult=false&kd=python&pn=1"
# base_url = "http://icanhazip.com"
res = requests.get(base_url, proxies=proxy)
print res.status_code
print res.text

遇到的問題

  1. 多線程處理
  2. Request使用代理proxies失敗的問題:血的教訓震蒋,proxy = {"http":"http://110.80.142.147:808"}小寫小寫9试础3捉局骤!
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市抄瑟,隨后出現(xiàn)的幾起案子咧欣,更是在濱河造成了極大的恐慌浅缸,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,755評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件魄咕,死亡現(xiàn)場離奇詭異衩椒,居然都是意外死亡,警方通過查閱死者的電腦和手機哮兰,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,305評論 3 395
  • 文/潘曉璐 我一進店門毛萌,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人喝滞,你說我怎么就攤上這事阁将。” “怎么了囤躁?”我有些...
    開封第一講書人閱讀 165,138評論 0 355
  • 文/不壞的土叔 我叫張陵冀痕,是天一觀的道長。 經常有香客問我狸演,道長言蛇,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,791評論 1 295
  • 正文 為了忘掉前任宵距,我火速辦了婚禮腊尚,結果婚禮上,老公的妹妹穿的比我還像新娘满哪。我一直安慰自己婿斥,他們只是感情好,可當我...
    茶點故事閱讀 67,794評論 6 392
  • 文/花漫 我一把揭開白布哨鸭。 她就那樣靜靜地躺著民宿,像睡著了一般。 火紅的嫁衣襯著肌膚如雪像鸡。 梳的紋絲不亂的頭發(fā)上活鹰,一...
    開封第一講書人閱讀 51,631評論 1 305
  • 那天,我揣著相機與錄音只估,去河邊找鬼志群。 笑死,一個胖子當著我的面吹牛蛔钙,可吹牛的內容都是我干的锌云。 我是一名探鬼主播,決...
    沈念sama閱讀 40,362評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼吁脱,長吁一口氣:“原來是場噩夢啊……” “哼桑涎!你這毒婦竟也來了?” 一聲冷哼從身側響起兼贡,我...
    開封第一講書人閱讀 39,264評論 0 276
  • 序言:老撾萬榮一對情侶失蹤石洗,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后紧显,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體讲衫,經...
    沈念sama閱讀 45,724評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,900評論 3 336
  • 正文 我和宋清朗相戀三年孵班,在試婚紗的時候發(fā)現(xiàn)自己被綠了涉兽。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,040評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡篙程,死狀恐怖枷畏,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情虱饿,我是刑警寧澤拥诡,帶...
    沈念sama閱讀 35,742評論 5 346
  • 正文 年R本政府宣布触趴,位于F島的核電站,受9級特大地震影響渴肉,放射性物質發(fā)生泄漏冗懦。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,364評論 3 330
  • 文/蒙蒙 一仇祭、第九天 我趴在偏房一處隱蔽的房頂上張望披蕉。 院中可真熱鬧,春花似錦乌奇、人聲如沸没讲。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,944評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽爬凑。三九已至,卻和暖如春试伙,著一層夾襖步出監(jiān)牢的瞬間贰谣,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,060評論 1 270
  • 我被黑心中介騙來泰國打工迁霎, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留吱抚,地道東北人。 一個月前我還...
    沈念sama閱讀 48,247評論 3 371
  • 正文 我出身青樓考廉,卻偏偏與公主長得像秘豹,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子昌粤,可洞房花燭夜當晚...
    茶點故事閱讀 44,979評論 2 355

推薦閱讀更多精彩內容