标签：配置文件 关闭 方法 efault ngx conf pre 参考 默认
git clone git@github.com:jhao104/proxy_pool.git
或者直接到https://github.com/jhao104/proxy_pool/releases 下载zip文件
pip install -r requirements.txt
# Config/setting.py 为项目配置文件
# 配置DB
DATABASES = {
"default": {
"TYPE": "SSDB", # 目前支持SSDB或REDIS数据库
"HOST": "127.0.0.1", # db host
"PORT": 8888, # db port，例如SSDB通常使用8888，REDIS通常默认使用6379
"NAME": "proxy", # 默认配置
"PASSWORD": "" # db password
}
}
# 配置 ProxyGetter
PROXY_GETTER = [
"freeProxy01", # 这里是启用的代理抓取函数名，可在ProxyGetter/getFreeProxy.py 扩展
"freeProxy02",
....
]
# 配置 API服务
SERVER_API = {
"HOST": "0.0.0.0", # 监听ip, 0.0.0.0 监听所有IP
"PORT": 5010 # 监听端口
}
# 上面配置启动后，代理池访问地址为 http://127.0.0.1:5010
# 如果你的依赖已经安装完成并且具备运行条件,可以在cli目录下通过ProxyPool.py启。动
# 程序分为: schedule 调度程序 和 webserver Api服务
# 首先启动调度程序
>>>python proxyPool.py schedule
# 然后启动webApi服务
>>>python proxyPool.py webserver
docker pull jhao104/proxy_pool
docker run --env db_type=REDIS --env db_host=127.0.0.1 --env db_port=6379 --env db_password=pwd_str -p 5010:5010 jhao104/proxy_pool
启动过几分钟后就能看到抓取到的代理IP，你可以直接到数据库中查看，推荐一个SSDB可视化工具。
也可以通过api访问http://127.0.0.1:5010 查看。
| api | method | Description | arg |
|---|---|---|---|
| / | GET | api介绍 | None |
| /get | GET | 随机获取一个代理 | None |
| /get_all | GET | 获取所有代理 | None |
| /get_status | GET | 查看代理数量 | None |
| /delete | GET | 删除代理 | proxy=host:ip |
如果要在爬虫代码中使用的话， 可以将此api封装成函数直接使用，例如：
import requests
def get_proxy():
return requests.get("http://127.0.0.1:5010/get/").json()
def delete_proxy(proxy):
requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy))
# your spider code
def getHtml():
# ....
retry_count = 5
proxy = get_proxy().get("proxy")
while retry_count > 0:
try:
html = requests.get(‘https://www.example.com‘, proxies={"http": "http://{}".format(proxy)})
# 使用代理访问
return html
except Exception:
retry_count -= 1
# 出错5次, 删除代理池中代理
delete_proxy(proxy)
return None
项目默认包含几个免费的代理获取方法，但是免费的毕竟质量不好，所以如果直接运行可能拿到的代理质量不理想。所以，提供了代理获取的扩展方法。
添加一个新的代理获取方法如下:
host:ip格式的代理，例如:class GetFreeProxy(object):
# ....
# 你自己的方法
@staticmethod
def freeProxyCustom(): # 命名不和已有重复即可
# 通过某网站或者某接口或某数据库获取代理 任意你喜欢的姿势都行
# 假设你拿到了一个代理列表
proxies = ["139.129.166.68:3128", "139.129.166.61:3128", ...]
for proxy in proxies:
yield proxy
# 确保每个proxy都是 host:ip正确的格式就行
PROXY_GETTER项： 在PROXY_GETTER下添加自定义的方法的名字:
PROXY_GETTER = [
"freeProxy01",
"freeProxy02",
....
"freeProxyCustom" # # 确保名字和你添加方法名字一致
]
ProxySchedule会每隔一段时间抓取一次代理，下次抓取时会自动识别调用你定义的方法。
目前实现的采集免费代理网站有(排名不分先后, 下面仅是对其发布的免费代理情况, 付费代理测评可以参考这里):
| 厂商名称 | 状态 | 更新速度 | 可用率 | 是否被墙 | 地址 |
|---|---|---|---|---|---|
| 无忧代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 66代理 | 可用 | 更新很慢 | * | 否 | 地址 |
| 西刺代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 全网代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 训代理 | 已关闭免费代理 | * | * | 否 | 地址 |
| 快代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 云代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| IP海 | 可用 | 几小时一次 | * | 否 | 地址 |
| 免费IP代理库 | 可用 | 快 | * | 否 | 地址 |
| 中国IP地址 | 可用 | 几分钟一次 | * | 是 | 地址 |
| Proxy List | 可用 | 几分钟一次 | * | 是 | 地址 |
| ProxyList+ | 可用 | 几分钟一次 | * | 是 | 地址 |
标签：配置文件 关闭 方法 efault ngx conf pre 参考 默认
原文地址：https://www.cnblogs.com/joker-game/p/12050070.html
