找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
查看: 1647|回复: 40

代理第一步,打造属于自己的ip池

[复制链接]

该用户从未签到

发表于 2019-10-30 01:05:54 | 显示全部楼层 |阅读模式

您需要 登录 才可以下载或查看,没有账号?立即注册

×
小的最近一直在准备比赛,不断地在各大招聘网站上薅羊毛,然而现在爬虫很不受待见啊,想爬得快一点就会被封。(+_+)?
最尴尬的是,我在爬赶集网上的招聘信息的时候,爬上150条一定会把我封掉,每次都是这个数字
真是丧心病狂的设定(╯‵□′)╯︵┻━┻
被逼无奈,只能临时先搭建一个简陋的ip池这样子,才能维持的了生活。ε=ε=ε=(~ ̄▽ ̄)~
首先我们找一家ip代理网站来薅羊毛(注意不要爬太多了,大家都是要吃饭的嘛,做人留一面,日♂后好相见(・∀・(・∀・(・∀・*),这是俺最近被别人告♂诫的)
国内高匿免费HTTP代理IP__第1页国内高匿​www.xicidaili.com

                               
登录/注册后可看大图

                               
登录/注册后可看大图
爬取ip地址,端口和类型三个就行了
用selenium比较方便和直观U•ェ•*U
思路
1.我们先把爬取到的ip保存下来,然后在挨个验证是否可用
2.把验证完可用的IP存入数据库
3.在scrapy 中使用代理ip
上代码
from selenium import webdriverimport timefrom ip_test.__init__ import *import pymysqlimport randomimport requestsfrom multiprocessing import Poolclass Getips:        def __init__(self):                self.connect = pymysql.connect(MYSQL_HOST, MYSQL_ROOT, MYSQL_PASSWORD, MYSQL_DATABASE)                self.cursor = self.connect.cursor()  # 选定数据库        def GetUserAgent(self):                user_agents = [                        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)"]                        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)"]                        "Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)"]                        "Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)"]                        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)"]                        "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)"]                        "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)"]                        "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)"]                        "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6"]                        "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1"]                        "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0"]                        "Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5"]                        "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6"]                        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11"]                        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20"]                        "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52"]                        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11"]                        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER"]                        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)"]                        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)"]                        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER"]                        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)"]                        "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)"]                        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)"]                        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)"]                        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)"]                        "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)"]                        "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1"]                        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1"]                        "Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5"]                        "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre"]                        "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0"]                        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11"]                        "Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10"                ,                user_agent = random.choice(user_agents)                return user_agent        def crawl(self):                self.cursor.execute(USE)                self.cursor.execute(DROP)                self.cursor.execute(CREATE)                self.browser=webdriver.Chrome()                self.browser.get('http://www.xicidaili.com/nn/')                current=time.time()                time.sleep(2)                while True:                        time_difference=time.time()-current                        print(time_difference)                        if time_difference>TIME_DIFFERENCE:                                break                        else:                                time.sleep(1)                                ip_addrs = self.browser.find_elements_by_xpath('//*[@id="ip_list"]/tbody/tr/td[2,')                                ports = self.browser.find_elements_by_xpath('//*[@id="ip_list"]/tbody/tr/td[3,')                                categorys=self.browser.find_elements_by_xpath('//*[@id="ip_list"]/tbody/tr/td[6,')                                for ip_addr,port,category_ in zip(ip_addrs,ports,categorys):                                        category=category_.text.lower()                                        ip=ip_addr.text+":"+port.text                                        try:                                                self.cursor.execute(SAVEIN, (category,ip))                                                self.connect.commit()                                        except Exception as error:                                                print(error)                                next_page=self.browser.find_elements_by_class_name('next_page')                                for n in next_page:                                        time.sleep(1)                                        next_page_url=n.get_attribute("href")                                        self.browser.get(next_page_url)                self.browser.close()        def select_data(self,sql):                self.cursor.execute(sql)                alldata=self.cursor.fetchall()                return alldata        def test(self,data):                self.cursor.execute(USE)                self.cursor.execute(DROP1)                self.cursor.execute(CREATE1)                categorys=[,                ips=[,                for curr_ip in data:                        user_agent = self.GetUserAgent()                        headers = {"User-Agent": user_agent}                        proxies = {                                curr_ip[0]: curr_ip[0]+'://' + curr_ip[1,,                        }                        try:                                res = requests.get(tarURL, headers=headers, proxies=proxies, timeout=2).text                                if len(res) != 0:                                        print(curr_ip[1,+" is corrected")                                        try:                                                self.cursor.execute(SAVEIN1, (curr_ip[0], curr_ip[1,))                                                self.connect.commit()                                                categorys.append(curr_ip[0])                                                ips.append(curr_ip[1,)                                        except Exception as error:                                                print(error)                        except Exception as er:                                print("验证代理IP(" + curr_ip[1, + ")时发生如下错误):")                                print(er)                        time.sleep(0.5)        def show(self,sql):                self.cursor.execute(sql)                alldata = self.cursor.fetchall()                for data in alldata:                        print(data)if __name__=="__main__":        g=Getips()        g.crawl()        g.test(g.select_data(SQL))        print("ok")        g.show(SQL1)
相信你们能看懂,虽然写的乱了点╰( ̄ω ̄o)
数据库语句和俺以前用的一样
MYSQL_DATABASE='spider'MYSQL_ROOT='root'MYSQL_PASSWORD='123'USE='use spider'TABLE='ip_s1'TABLE1="tmp_ip_s1"DROP="drop table if exists %s"%TABLEDROP1="drop table if exists %s"%TABLE1CREATE='create table %s(category varchar(255) ,ip varchar(255)Not null)'%TABLECREATE1='create table %s(category varchar(255) ,ip varchar(255)Not null)'%TABLE1SAVEIN='insert into '+TABLE+' (category,ip) values(%s,%s)'SAVEIN1='insert into '+TABLE1+' (category,ip) values(%s,%s)'SQL="select * from %s"%TABLESQL1="select * from %s"%TABLE1tarURL = "http://www.baidu.com/"TIME_DIFFERENCE=5
看看效果

                               
登录/注册后可看大图

                               
登录/注册后可看大图
这是总共爬得的ip地址

                               
登录/注册后可看大图

                               
登录/注册后可看大图
这是能用的,其实也不少啦(●ˇ∀ˇ●)


经过我在赶集网上的实验,这些ip.......能用,就是效率太低啦d=====( ̄▽ ̄*)b
十几个url只能爬三条啊⊙﹏⊙∥

                               
登录/注册后可看大图

                               
登录/注册后可看大图
不过好歹能用啦,下回爬多一点试试
这是一个简陋版,其实还可以用多线程和其他的方法,等我有发现了就告诉大家(ง •_•)ง
回复

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:05:58 | 显示全部楼层
我还是不理解喜欢二次元的年轻人,购物相当疯狂痴迷。
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:05:59 | 显示全部楼层
二次元虽然小众,但已经被大众品牌关注,用高品质产品去匹配95后00后的需求,追求自我、讲品质、爱新潮!
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:05:55 | 显示全部楼层
奥特曼陪伴大部分孩子的成长,伴随二次元成长起来的孩子们长大后势必会影响消费习惯,所以二次元决不小众。
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:05:59 | 显示全部楼层
小时候真的好喜欢火影,犬夜叉各种动漫,通宵看,现在看到淘宝上的动漫玩偶就想买,回来给自己孩子玩!
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:06:05 | 显示全部楼层
伴着奥特曼,海贼王长大的孩子们已经成年了,他们有消费能力,有收入,有情怀,难怪这些IP的带货力强背后是有他们的支撑!
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:05:55 | 显示全部楼层
好的作品无论是什么形式最终都会受到人们的关注和喜爱。理性客观地对待二次元文化,才能形成多元的包容性文化体系。
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:05:55 | 显示全部楼层
只要相信,二次元并不小众。
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:06:19 | 显示全部楼层
现在的年轻人有几个是不喜欢二次元的,最重要的是他们的消费力也是惊人的!
回复 支持 反对

使用道具 举报

该用户从未签到

发表于 2019-10-30 01:06:22 | 显示全部楼层
消费的需求确实在变化的,研究流量外更本质的还是研究消费者,匹配他们。
回复 支持 反对

使用道具 举报

网站地图|页面地图|文字地图|Archiver|手机版|小黑屋|找资源 |网站地图

GMT+8, 2024-11-28 12:38

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表