使用代理proxy抓取網頁的案例

這篇文章將為大家詳細講解有關使用代理proxy抓取網頁的案例，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

代理類型（proxy）:透明代理，匿名代理，混淆代理和高匿代理. 這里寫一些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復雜的抓取問題。

urllib 模塊使用代理

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

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

proxy="http://127.0.0.1:80"
# 創建一個ProxyHandler對象
proxy_support=urllib.request.ProxyHandler({'http':proxy})
# 創建一個opener對象
opener = urllib.request.build_opener(proxy_support)
# 給request裝載opener
urllib.request.install_opener(opener)
# 打開一個url
r = urllib.request.urlopen('http://youtube.com',timeout = 500)

requests 模塊使用代理

requests使用代理要比urllib簡單多了…這里以單次代理為例. 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 參數來配置單個請求:

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

你也可以通過環境變量 HTTP_PROXY 和 HTTPS_PROXY 來配置代理。

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。

關于使用代理proxy抓取網頁的案例就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。