Python爬虫使用代理proxy抓取网页

代理类型（proxy）:透明代理 匿名代理 混淆代理和高匿代理. 这里写一些python爬虫使用代理的知识, 还有一个代理池的类. 方便大家应对工作中各种复杂的抓取问题。

urllib 模块使用代理

urllib/urllib2使用代理比较麻烦, 需要先构建一个ProxyHandler的类, 随后将该类用于构建网页打开的opener的类,再在request中安装该opener.

代理格式是"http://127.0.0.1:80",如果要账号密码是"http://user:password@127.0.0.1:80".

1 2 3 4 5 6 7 8 9 proxy = "http://127.0.0.1:80" # 创建一个ProxyHandler对象 proxy_support = urllib.request.ProxyHandler({ 'http' :proxy}) # 创建一个opener对象 opener  =  urllib.request.build_opener(proxy_support) # 给request装载opener urllib.request.install_opener(opener) # 打开一个url r  =  urllib.request.urlopen( 'http://youtube.com' ,timeout  = 12 0 )

requests 模块 使用代理

requests使用代理要比urllib简单多了…这里以单次代理为例. 多次的话可以用session一类构建.

如果需要使用代理，你可以通过为任意请求方法提供 proxies 参数来配置单个请求:

1 2 3 4 5 6 7 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

你也可以通过环境变量 HTTP_PROXY 和 HTTPS_PROXY 来配置代理。

1 2 3 4 5 6 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/ 语法:

1 2 3 proxies  =  {      "http" :  "http://user:pass@127.0.0.1:3309/" , }

python的代理使用非常简单， 最重要的是要找一个网络稳定可靠的代理。