标签:adt user port ssi 获取 amp dai click div
代理proxies
数据采集过程中使用脚本发送请求,请求次数过于频繁,服务器监测到而采用一定的手段禁止此ip的请求,为了解决封ip的问题,我们用代理来处理这个问题。用第三方代理ip进行伪装访问,即使被封也不影响当前ip的使用,构建代理池,封了一个,其他的还可以用,这样就能缓解ip被封无法继续爬取的问题。
代理匿名度:
(1)透明:目标服务器知道请求使用了代理服务器,同时能监测到真实的请求ip
(2)匿名:目标服务器知道请求使用了代理服务器,但无法监测到真实的请求ip
(3)高匿:目标服务器不知道请求是否使用了代理服务器,也无法监测到真实的请求ip
代理ip类型:(1)http:只能转发http请求;(2)https:只能转发https请求
(1)代理指定
1 import requests 2 from lxml.html.clean import etree 3 from fake_useragent import UserAgent 4 UA=UserAgent() 5 headers={‘User-Agent‘:UA.random,} 6 url=‘https://www.baidu.com/s?wd=ip‘ 7 response=requests.get(url=url,headers=headers,proxies={‘https‘:‘111.231.94.44:8888‘},timeout=10)#代理IP指定 8 response.encoding=‘utf-8‘ 9 10 # print(response.text)#在页面中可以搜索‘本机’找到本次请求的代理服务器 11 #<span class="c-gap-right">本机IP: 117.64.251.9</span>安徽省合肥市 电信(代理IP也使用了代理) 12 print(etree.HTML(response.text).xpath(‘//span[@class="c-gap-right"]/text()‘)[0])
(2)手动创建代理池
1 import random 2 import requests 3 from lxml.html.clean import etree 4 from fake_useragent import UserAgent 5 6 UA = UserAgent() 7 headers = {‘User-Agent‘: UA.random, } 8 url = ‘https://www.baidu.com/s?wd=ip‘ 9 10 #手动配置ip代理池 11 proxy_list = [ 12 {‘https‘: ‘60.13.42.29:9999‘}, 13 {‘https‘: ‘111.231.94.44:8888‘}, 14 {‘http‘: ‘222.182.188.17:8060‘}, 15 {‘https‘: ‘111.231.91.104:8888‘}, 16 {‘https‘: ‘221.178.232.130:8080‘}, 17 ] 18 #随机选取ip代理 19 proxies = random.choice(proxy_list) 20 print(proxies) 21 response = requests.get(url=url, headers=headers, proxies={‘https‘: ‘111.231.94.44:8888‘}, timeout=10) # 代理IP指定 22 print(etree.HTML(response.text).xpath(‘//span[@class="c-gap-right"]/text()‘)[0]) 23 # {‘https‘: ‘111.231.94.44:8888‘} 24 # 本机IP: 117.64.251.9 25 # {‘http‘: ‘222.182.188.17:8060‘} 26 # 本机IP: 117.64.251.9
(3)自动创建代理池
1 import random 2 import requests 3 from lxml.html.clean import etree 4 from fake_useragent import UserAgent 5 6 UA = UserAgent() 7 headers = {‘User-Agent‘: UA.random, } 8 url = ‘https://www.baidu.com/s?wd=ip‘ 9 10 #http://http.zhiliandaili.cn/Index-getapi.html(注册登录购买获取) 11 #API自动创建代理池 12 proxy_list = [] 13 ip_url = ‘http://ip.11jsq.com/index.php/api/entry?method=proxyServer.generate_api_url&packid=1&fa=0&fetch_key=&groupid=0&qty=53&time=1&pro=&city=&port=1&format=html&ss=5&css=&dt=1&specialTxt=3&specialJson=‘ 14 page_text = requests.get(ip_url,headers=headers).text 15 tree = etree.HTML(page_text) 16 ip_list = tree.xpath(‘//body//text()‘) 17 for ip in ip_list: 18 ip = {‘https‘:ip} 19 proxy_list.append(ip) 20 print(proxy_list) 21 22 #随机选取ip代理 23 proxies = random.choice(proxy_list) 24 print(proxies) 25 response = requests.get(url=url, headers=headers, proxies={‘https‘: ‘111.231.94.44:8888‘}, timeout=10) # 代理IP指定 26 print(etree.HTML(response.text).xpath(‘//span[@class="c-gap-right"]/text()‘)[0])
会话对象
会话对象:会话对象让你能够跨请求保持某些参数。它也会在同一个 Session 实例发出的所有请求之间保持 cookie, 期间使用 urllib3
的 connection pooling 功能。
cookie概念:当用户通过浏览器首次访问一个域名时,访问的web服务器会给客户端发送数据,以保持web服务器与客户端之间的状态保持,这些数据就是cookie。
1 ‘‘‘ 2 雪球网:https://xueqiu.com/ 3 ‘‘‘ 4 import random 5 import requests 6 from fake_useragent import UserAgent 7 8 UA = UserAgent() 9 headers = {‘User-Agent‘: UA.random, } 10 proxy_list = [ 11 {‘https‘: ‘60.13.42.29:9999‘}, 12 {‘https‘: ‘111.231.94.44:8888‘}, 13 {‘http‘: ‘222.182.188.17:8060‘}, 14 {‘https‘: ‘111.231.91.104:8888‘}, 15 {‘https‘: ‘221.178.232.130:8080‘}, 16 ] 17 proxies = random.choice(proxy_list) 18 19 #通过抓包工具捕获的基于ajax请求的数据包中提取的url(直接报错,分析原因找到第一次访问主页面时创建了cookie) 20 # url = ‘https://stock.xueqiu.com/v5/stock/batch/quote.json?symbol=SH000001,SZ399001,SZ399006,HKHSI,HKHSCEI,HKHSCCI,.DJI,.IXIC,.INX‘ 21 # json_data = requests.get(url=url,headers=headers).json() 22 # print(json_data) 23 #{‘error_description‘: ‘遇到错误,请刷新页面或者重新登录帐号后再试‘, ‘error_uri‘: ‘/v5/stock/batch/quote.json‘, ‘error_code‘: ‘400016‘} 24 25 26 27 28 #创建一个session对象 29 session = requests.Session() 30 #将cookie保存到session对象中 31 first_url = ‘https://xueqiu.com/‘ 32 session.get(url=first_url,headers=headers)#为了获取cookie且将cookie存储到session中 33 print(session.cookies) 34 35 url = ‘https://stock.xueqiu.com/v5/stock/batch/quote.json?symbol=SH000001,SZ399001,SZ399006,HKHSI,HKHSCEI,HKHSCCI,.DJI,.IXIC,.INX‘ 36 response = session.get(url=url,headers=headers,proxies=proxies)#携带cookie发起的请求(根据需要可以发起各种请求get/post/put...) 37 print(response.json())
标签:adt user port ssi 获取 amp dai click div
原文地址:https://www.cnblogs.com/open-yang/p/11305687.html