爬虫之proxy（代理）

proxy简介

proxy即为代理，我们爬虫的时候肯定会有频繁访问某一网站的情况，这个时候有些服务器会识别到我们是非正常访问，就会把我们的IP禁掉，这个时候就需要用代理了。

就好比现实生活中，我需要向A借一件东西，但是我跟A是仇人，直接向他借的话他不会借给我，这个时候我就让B帮我像A借，就说他要用，然后B借到东西之后再把东西给我用，这时，B就是我的代理了。

常用的免费代理网站:http://www.goubanjia.com/。

爬虫应该选择什么样的代理？

• 针对不需要用户登录，cookie验证的网站，一般选择动态高匿代理。
• 对于需要用户登录，身份认证的。一般选择静态IP

使用proxy的步骤

1. 设置代理地址 proxy = {'http':'52.187.162.198:3128'}
2. 创建ProxyHeader proxyHeader = request.ProxyHandler(proxy)
3. 创建Opener opener = request.build_opener(proxyHeader)
4. 安装Opener request.install_opener(opener)

示例

from urllib import request

# 设置代理地址
proxy = {'http':'52.187.162.198:3128'}

# 创建ProxyHeader
proxyHeader = request.ProxyHandler(proxy)

# 创建Opener
opener = request.build_opener(proxyHeader)

# 安装Opener
request.install_opener(opener)

# 然后剩下的就跟正常使用差不多，只不过此时的request已经是绑定了代理之后的request
url = 'https://www.taobao.com/'
req = request.Request(url)
response = request.urlopen(req)
print(response.read().decode())