AI 助理
备案控制台
开发者社区 云计算 文章 正文

8、web爬虫讲解2—urllib库爬虫—ip代理—用户代理和ip代理结合应用

2019-06-26 1845
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 使用IP代理 ProxyHandler()格式化IP，第一个参数，请求目标可能是http或者https,对应设置build_opener()初始化IPinstall_opener()将代...

使用IP代理

ProxyHandler()格式化IP，第一个参数，请求目标可能是http或者https,对应设置
build_opener()初始化IP
install_opener()将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
import urllib.request
import random   #引入随机模块文件

ip = "180.115.8.212:39109"
proxy = urllib.request.ProxyHandler({"https":ip})                        #格式化IP,注意：第一个参数可能是http或者https，对应设置
opener = urllib.request.build_opener(proxy,urllib.request.HTTPHandler)  #初始化IP
urllib.request.install_opener(opener)       #将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求
url = "https://www.baidu.com/"
data = urllib.request.urlopen(url).read().decode("utf-8")
print(data)

ip代理池构建一

适合IP存活时间长，稳定性好的代理ip，随机调用列表里的ip

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
from urllib import request
import random   #引入随机模块文件
def dai_li_ip():
    ip = [
        '110.73.8.103:8123',
        '115.46.151.100:8123',
        '42.233.187.147:19'
        ]
    shui = random.choice(ip)
    print(shui)
    proxy = urllib.request.ProxyHandler({"https": shui})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置
    opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP
    urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求
dai_li_ip() #执行代理IP函数
url = "https://www.baidu.com/"
data = urllib.request.urlopen(url).read().decode("utf-8")
print(data)

ip代理池构建二，接口方式

每次调用第三方接口动态获取ip,适用于IP存活时间短的情况

我们用http://http.zhimaruanjian.com/第三方接口测试

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
from urllib import request
import json
def dai_li_ip():
    url = "http://http-webapi.zhimaruanjian.com/getip?num=1&type=2&pro=&city=0&yys=0&port=11&time=1&ts=0&ys=0&cs=0&lb=1&sb=0&pb=4&mr=1"
    data = urllib.request.urlopen(url).read().decode("utf-8")
    data2 = json.loads(data)  # 将字符串还原它本来的数据类型

    print(data2['data'][0])
    ip = str(data2['data'][0]['ip'])
    dkou = str(data2['data'][0]['port'])
    zh_ip = ip + ':' + dkou
    print(zh_ip)


    proxy = urllib.request.ProxyHandler({"https": zh_ip})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置
    opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP
    urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求
dai_li_ip() #执行代理IP函数
url = "https://www.baidu.com/"
data = urllib.request.urlopen(url).read().decode("utf-8")
print(data)

用户代理和ip代理结合应用

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
from urllib import request
import json
import random
def yh_dl():    #创建用户代理池
    yhdl = [
        'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',
        'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0',
        'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',
        'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
        'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
        'Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11',
        'Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',
        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)',
        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)',
        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)',
        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)',
        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)',
        'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
        'Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
        'User-Agent:Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
        'Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
        'Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1',
        'Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10',
        'Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13',
        'Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+',
        'Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)',
        'UCWEB7.0.2.37/28/999',
        'NOKIA5700/ UCWEB7.0.2.37/28/999',
        'Openwave/ UCWEB7.0.2.37/28/999',
        'Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999'
        ]
    thisua = random.choice(yhdl)                    #随机获取代理信息
    headers = ("User-Agent",thisua)                 #拼接报头信息
    opener = urllib.request.build_opener()          #创建请求对象
    opener.addheaders=[headers]                     #添加报头到请求对象
    urllib.request.install_opener(opener)           #将报头信息设置为全局，urlopen()方法请求时也会自动添加报头

def dai_li_ip():    #创建ip代理池
    url = "http://http-webapi.zhimaruanjian.com/getip?num=1&type=2&pro=&city=0&yys=0&port=11&time=1&ts=0&ys=0&cs=0&lb=1&sb=0&pb=4&mr=1"
    data = urllib.request.urlopen(url).read().decode("utf-8")
    data2 = json.loads(data)  # 将字符串还原它本来的数据类型

    print(data2['data'][0])
    ip = str(data2['data'][0]['ip'])
    dkou = str(data2['data'][0]['port'])
    zh_ip = ip + ':' + dkou
    print(zh_ip)


    proxy = urllib.request.ProxyHandler({"https": zh_ip})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置
    opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP
    urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP

#请求
dai_li_ip() #执行代理IP函数
yh_dl()     #执行用户代理池函数

gjci = '连衣裙'
zh_gjci = gjc = urllib.request.quote(gjci)         #将关键词转码成浏览器认识的字符，默认网站不能是中文
url = "https://s.taobao.com/search?q=%s&s=0" %(zh_gjci)
# print(url)
data = urllib.request.urlopen(url).read().decode("utf-8")
print(data)

用户代理和ip代理结合应用封装模块

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
from urllib import request
import json
import random
import re
import urllib.error
def hq_html(hq_url):
    """
    hq_html()封装的爬虫函数，自动启用了用户代理和ip代理
    接收一个参数url,要爬取页面的url，返回html源码
    """
    def yh_dl():    #创建用户代理池
        yhdl = [
            'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',
            'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0',
            'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',
            'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
            'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
            'Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11',
            'Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',
            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)',
            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)',
            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)',
            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)',
            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)',
            'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
            'Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
            'User-Agent:Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
            'Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
            'Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1',
            'Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10',
            'Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13',
            'Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+',
            'Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)',
            'UCWEB7.0.2.37/28/999',
            'NOKIA5700/ UCWEB7.0.2.37/28/999',
            'Openwave/ UCWEB7.0.2.37/28/999',
            'Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999'
            ]
        thisua = random.choice(yhdl)                    #随机获取代理信息
        headers = ("User-Agent",thisua)                 #拼接报头信息
        opener = urllib.request.build_opener()          #创建请求对象
        opener.addheaders=[headers]                     #添加报头到请求对象
        urllib.request.install_opener(opener)           #将报头信息设置为全局，urlopen()方法请求时也会自动添加报头

    def dai_li_ip(hq_url):    #创建ip代理池
        url = "http://http-webapi.zhimaruanjian.com/getip?num=1&type=2&pro=&city=0&yys=0&port=11&time=1&ts=0&ys=0&cs=0&lb=1&sb=0&pb=4&mr=1"
        if url:
            data = urllib.request.urlopen(url).read().decode("utf-8")
            data2 = json.loads(data)  # 将字符串还原它本来的数据类型
            # print(data2['data'][0])
            ip = str(data2['data'][0]['ip'])
            dkou = str(data2['data'][0]['port'])
            zh_ip = ip + ':' + dkou
            pat = "(\w*):\w*"
            rst = re.compile(pat).findall(hq_url)  #正则匹配获取是http协议还是https协议
            rst2 = rst[0]
            proxy = urllib.request.ProxyHandler({rst2: zh_ip})  # 格式化IP,注意，第一个参数，请求目标可能是http或者https,对应设置
            opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)  # 初始化IP
            urllib.request.install_opener(opener)  # 将代理IP设置成全局,当使用urlopen()请求时自动使用代理IP
        else:
            pass

    #请求
    try:
        dai_li_ip(hq_url) #执行代理IP函数
        yh_dl()     #执行用户代理池函数

        data = urllib.request.urlopen(hq_url).read().decode("utf-8")
        return data
    except urllib.error.URLError as e:  # 如果出现错误
        if hasattr(e, "code"):  # 如果有错误代码
            # print(e.code)  # 打印错误代码
            pass
        if hasattr(e, "reason"):  # 如果有错误信息
            # print(e.reason)  # 打印错误信息
            pass

# a = hq_html('http://www.baid.com/')
# print(a)

模块使用

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib.request
import fzhpach
gjc = '广告录音'
gjc = urllib.request.quote(gjc)                 #将关键词转码成浏览器认识的字符，默认网站不能是中文
url = 'https://www.baidu.com/s?wd=%s&pn=0' %(gjc)
a = fzhpach.hq_html(url)
print(a)

【转载自：http://www.lqkweb.com】

关键词：
web应用
web urllib应用
web urllib
爬虫应用
web库
天降攻城狮
目录
相关文章
G0518
|
12天前
|
存储 安全 关系型数据库
后端技术：构建高效稳定的现代Web应用
【10月更文挑战第5天】后端技术：构建高效稳定的现代Web应用
G0518
39 1
beloved000
|
23天前
|
数据采集 存储 数据挖掘
深入探索 Python 爬虫：高级技术与实战应用
本文介绍了Python爬虫的高级技术，涵盖并发处理、反爬虫策略（如验证码识别与模拟登录）及数据存储与处理方法。通过asyncio库实现异步爬虫，提升效率；利用tesseract和requests库应对反爬措施；借助SQLAlchemy和pandas进行数据存储与分析。实战部分展示了如何爬取电商网站的商品信息及新闻网站的文章内容。提醒读者在实际应用中需遵守法律法规。
beloved000
144 66
131王
|
1天前
|
前端开发 安全 关系型数据库
PHP在Web开发中的应用及其优势###
【10月更文挑战第16天】 — 本文探讨了PHP在现代Web开发中的广泛应用及其显著优势。通过分析PHP的核心特性，如灵活性、易用性和广泛的应用支持，阐述了为何PHP成为众多开发者和公司的首选技术。文章还介绍了PHP与其他编程语言的比较，并展望了其未来的发展趋势。 ###
131王
9 2
叫个什么名字
|
6天前
|
机器学习/深度学习 人工智能 算法
未来已来：探索量子计算在Web开发中的应用
在这篇文章中，我们将穿越技术的迷雾，一窥未来。量子计算，这一曾经只存在于理论中的技术，正逐渐走近现实，它的革命性潜力正在被探索其在Web开发中的潜在应用。本文将带你了解量子计算的基本概念，以及它可能如何重塑我们构建和交互Web应用的方式。准备好，让我们的想象力随着量子比特一起跳跃。
叫个什么名字
15 2
东方睿赢
|
16天前
|
Java PHP
PHP作为广受青睐的服务器端脚本语言，在Web开发中占据重要地位。理解其垃圾回收机制有助于开发高效稳定的PHP应用。
【10月更文挑战第1天】PHP作为广受青睐的服务器端脚本语言，在Web开发中占据重要地位。其垃圾回收机制包括引用计数与循环垃圾回收，对提升应用性能和稳定性至关重要。本文通过具体案例分析，详细探讨PHP垃圾回收机制的工作原理，特别是如何解决循环引用问题。在PHP 8中，垃圾回收机制得到进一步优化，提高了效率和准确性。理解这些机制有助于开发高效稳定的PHP应用。
东方睿赢
35 3
有路有乔-六月
|
17天前
|
缓存 前端开发 JavaScript
构建高性能Web应用：优化前端性能的策略
构建高性能Web应用：优化前端性能的策略
有路有乔-六月
18 1
bruce_xiaowei
|
18天前
|
数据采集 JavaScript 前端开发
Splash的爬虫应用（二）
Splash的爬虫应用（二）
bruce_xiaowei
13 0
Splash的爬虫应用（二）
技术混子
|
28天前
|
Web App开发 JavaScript 前端开发
构建高效Web应用：Node.js与Express框架的深度整合
【9月更文挑战第28天】在现代Web开发领域，Node.js和Express框架的结合已成为打造高性能、易扩展应用的黄金组合。本文将深入探讨如何利用这一技术栈优化Web应用架构，提供具体实践指导，并分析其性能提升的内在机制。通过代码示例，我们将展示从基础搭建到高级功能的实现过程，旨在为开发者提供一条清晰的学习路径，以实现技术升级和项目效率的双重提升。
技术混子
39 3
代码bug生产队
|
17天前
|
存储 缓存 NoSQL
构建高性能Web应用：缓存的重要性及其实现
构建高性能Web应用：缓存的重要性及其实现
代码bug生产队
24 0
糜终
|
18天前
|
JSON API 开发者
深入解析Python网络编程与Web开发：urllib、requests和http模块的功能、用法及在构建现代网络应用中的关键作用
深入解析Python网络编程与Web开发：urllib、requests和http模块的功能、用法及在构建现代网络应用中的关键作用
糜终
13 0

热门文章

最新文章

  • 1
    网络爬虫（2）：存储
  • 2
    Python爬虫之scrapy从入门到忘记
  • 3
    python使用百度进行爬虫简单学习例子
  • 4
    天罗地网——Python爬虫初初初探
  • 5
    Node.js 4493图片批量下载爬虫1.00
  • 6
    关于使用HTTP代理IP爬虫采集的认知误区
  • 7
    scrapy爬虫学习
  • 8
    Python爬虫之阳光电影爬虫
  • 9
    超简单的java爬虫
  • 10
    Python爬虫系列9-非诚勿扰等婚恋网数据批量抓取！
  • 1
    CSR（客户端渲染）和AJAX在Web开发中各自扮演不同的角色
    57
  • 2
    AJAX和CSR（客户端渲染）是Web开发中常用的两种技术
    45
  • 3
    如何在树莓派部署Nginx并实现无公网ip远程访问内网制作的web网站
    47
  • 4
    深入探索Nginx高性能Web服务器配置与优化
    201
  • 5
    新一代前端框架：革命性的Web开发利器
    62
  • 6
    使用Python实现简单的Web爬虫
    85
  • 7
    Web应急响应0基础讲解国赛信安管理与评估二阶段
    59
  • 8
    01-Web 网络安全纵观与前景分析
    64
  • 9
    WIndows Server 2016 部署 Web服务（简单篇）
    171
  • 10
    使用Python实现自动化Web内容巡检
    204

    • 相关课程

    更多
  • Java Web开发系列课程 - Spring框架入门
  • Python网络爬虫实战
  • 企业Web常用架构LAMP-LNMP实战
  • 高校精品课-西安交通大学-Web 编程技术
  • Java Web项目实战 - 图书商城
  • Java面试疑难点解析 - Java Web开发

    • 相关电子书

    更多
  • Web应用系统性能优化
  • 高性能Web架构之缓存体系
  • Python第五讲——关于爬虫如何做js逆向的思路

    • 相关实验场景

    更多
  • 基于ECS搭建Java Web开发环境
  • Internet Information Services（IIS）部署Web项目
  • 云上Web及FTP
  • WEB网页编程实战
  • 网站用户流量分析—适用于电商网站、资讯网站、游戏主站等各类Web站点场景
  • 搭建Java Web开发环境（Anolis OS）
    • 下一篇
    AI助理直击要害，从繁复中提炼精华——使用CDN加速访问OSS存储的图片