轻松获得海量稳定代理!ADSL拨号代理的搭建

我们尝试维护过一个代理池。代理池可以挑选出许多可用代理,但是常常其稳定性不高、响应速度慢,而且这些代理通常是公共代理,可能不止一人同时使用,其IP被封的概率很大。另外,这些代理可能有效时间比较短,虽然代理池一直在筛选,但如果没有及时更新状态,也有可能获取到不可用的代理。

如果要追求更加稳定的代理,就需要购买专有代理或者自己搭建代理服务器。但是服务器一般都是固定的IP,我们总不能搭建100个代理就用100台服务器吧,这显然是不现实的。

所以,ADSL动态拨号主机就派上用场了。下面我们来了解一下ADSL拨号代理服务器的相关设置。

一、什么是ADSL

ADSL(Asymmetric Digital Subscriber Line,非对称数字用户环路),它的上行和下行带宽不对称,它采用频分复用技术把普通的电话线分成了电话、上行和下行三个相对独立的信道,从而避免了相互之间的干扰。

ADSL通过拨号的方式上网,需要输入ADSL账号和密码,每次拨号就更换一个IP。IP分布在多个A段,如果IP都能使用,则意味着IP量级可达千万。如果我们将ADSL主机作为代理,每隔一段时间主机拨号就换一个IP,这样可以有效防止IP被封禁。另外,主机的稳定性很好,代理响应速度很快。

二、准备工作

首先需要成功安装Redis数据库并启动服务,另外还需要安装requests、RedisPy、Tornado库。

三、购买主机

我们先购买一台动态拨号VPS主机,这样的主机服务商相当多。在这里使用了云立方,官方网站:http://www.yunlifang.cn/dynamicvps.asp。

建议选择电信线路。可以自行选择主机配置,主要考虑带宽是否满足需求。

然后进入拨号主机的后台,预装一个操作系统,如下图所示。

推荐安装CentOS 7系统。

然后找到远程管理面板-远程连接的用户名和密码,也就是SSH远程连接服务器的信息。比如我使用的IP和端口是153.36.65.214:20063,用户名是root。命令行下输入如下代码:

ssh root@153.36.65.214 -p 20063

输入管理密码,就可以连接上远程服务器了。

进入之后,我们发现一个可用的脚本文件ppp.sh,这是拨号初始化的脚本。运行此脚本会提示输入拨号的用户名和密码,然后它就开始各种拨号配置。一次配置成功,后面拨号就不需要重复输入用户名和密码。

运行ppp.sh脚本,输入用户名密码等待它的配置完成,如下图所示。

提示成功之后就可以进行拨号了。注意,在拨号之前测试ping任何网站都是不通的,因为当前网络还没联通。输入如下拨号命令:

adsl-start

拨号命令成功运行,没有报错信息,耗时约几秒。接下来再去ping外网就可以通了。

如果要停止拨号,可以输入如下指令:

adsl-stop

之后,可以发现又连不通网络了,如下图所示。

断线重播的命令就是二者组合起来,先执行adsl-stop,再执行adsl-start。每次拨号,ifconfig命令观察主机的IP,发现主机的IP一直在变化,网卡名称叫作ppp0,如下图所示。

接下来,我们要做两件事:一是怎样将主机设置为代理服务器,二是怎样实时获取拨号主机的IP。

四、设置代理服务器

在Linux下搭建HTTP代理服务器,推荐TinyProxy和Squid,配置都非常简单。在这里我们以TinyProxy为例来讲解一下怎样搭建代理服务器。

1. 安装 TinyProxy

第一步就是安装TinyProxy软件。在这里我使用的系统是CentOS,所以使用yum来安装。如果是其他系统如Ubuntu,可以选择apt-get等命令安装。

命令行执行yum安装指令:

yum install -y epel-release
yum update -y
yum install -y tinyproxy

2. 配置 TinyProxy

TinyProxy安装完成之后还要配置一下才可以用作代理服务器。我们需要编辑配置文件,此文件一般的路径是/etc/tinyproxy/tinyproxy.conf。

可以看到一行代码:

Port 8888

在这里可以设置代理的端口,端口默认是8888。

继续向下找到如下代码:

Allow 127.0.0.1

这行代码表示被允许连接的主机IP。如果希望连接任何主机,那就直接将这行代码注释即可。在这里我们选择直接注释,也就是任何主机都可以使用这台主机作为代理服务器。

修改为如下代码:

# Allow 127.0.0.1

设置完成之后重启TinyProxy即可:

systemctl enable tinyproxy.service
systemctl restart tinyproxy.service

防火墙开放该端口:

iptables -I INPUT -p tcp --dport 8888 -j ACCEPT

当然如果想直接关闭防火墙也可以:

systemctl stop firewalld.service

这样我们就完成了TinyProxy的配置。

3. 验证 TinyProxy

首先,用ifconfig查看当前主机的IP。比如,当前我的主机拨号IP为112.84.118.216,在其他的主机运行测试一下。

curl命令设置代理请求httpbin,检测代理是否生效。

curl -x 112.84.118.216:8888 httpbin.org/get

运行结果如下图所示。

如果有正常的结果输出,并且origin的值为代理IP的地址,就证明TinyProxy配置成功了。

五、动态获取IP

现在可以执行命令让主机动态切换IP,也在主机上搭建了代理服务器。我们只需要知道拨号后的IP就可以使用代理。

我们考虑到,在一台主机拨号切换IP的间隙代理是不可用的,在这拨号的几秒时间内如果有第二台主机顶替第一台主机,那就可以解决拨号间隙代理无法使用的问题了。所以我们要设计的架构必须要考虑支持多主机的问题。

假如有10台拨号主机同时需要维护,而爬虫需要使用这10台主机的代理,那么在爬虫端维护的开销是非常大的。如果爬虫在不同的机器上运行,那么每个爬虫必须要获得这10台拨号主机的配置,这显然是不理想的。

为了更加方便地使用代理,我们可以像上文的代理池一样定义一个统一的代理接口,爬虫端只需要配置代理接口即可获取可用代理。要搭建一个接口,就势必需要一台服务器,而接口的数据从哪里获得呢,当然最理想的还是选择数据库。

比如我们需要同时维护10台拨号主机,每台拨号主机都会定时拨号,那这样每台主机在某个时刻可用的代理只有一个,所以我们没有必要存储之前的拨号代理,因为重新拨号之后之前的代理已经不能用了,所以只需要将之前的代理更新其内容就好了。数据库要做的就是定时对每台主机的代理进行更新,而更新时又需要拨号主机的唯一标识,根据主机标识查出这条数据,然后将这条数据对应的代理更新。

所以数据库端就需要存储一个主机标识到代理的映射关系。那么很自然地我们就会想到关系型数据库如MySQL或者Redis的Hash存储,只需存储一个映射关系,不需要很多字段,而且Redis比MySQL效率更高、使用更方便,所以最终选定的存储方式就是Redis的Hash。

六、存储模块

那么接下来我们要做可被远程访问的Redis数据库,各个拨号机器只需要将各自的主机标识和当前IP和端口(也就是代理)发送给数据库就好了。

先定义一个操作Redis数据库的类,示例如下:

import redis
import random

# Redis数据库IP
REDIS_HOST = 'remoteaddress'
# Redis数据库密码, 如无则填None
REDIS_PASSWORD = 'foobared'
# Redis数据库端口
REDIS_PORT = 6379
# 代理池键名
PROXY_KEY = 'adsl'

class RedisClient(object):
    def __init__(self, host=REDIS_HOST, port=REDIS_PORT, password=REDIS_PASSWORD, proxy_key=PROXY_KEY):
        """
        初始化Redis连接
        :param host: Redis 地址
        :param port: Redis 端口
        :param password: Redis 密码
        :param proxy_key: Redis 散列表名
        """
        self.db = redis.StrictRedis(host=host, port=port, password=password, decode_responses=True)
        self.proxy_key = proxy_key

    def set(self, name, proxy):
        """
        设置代理
        :param name: 主机名称
        :param proxy: 代理
        :return: 设置结果
        """
        return self.db.hset(self.proxy_key, name, proxy)

    def get(self, name):
        """
        获取代理
        :param name: 主机名称
        :return: 代理
        """
        return self.db.hget(self.proxy_key, name)

    def count(self):
        """
        获取代理总数
        :return: 代理总数
        """
        return self.db.hlen(self.proxy_key)

    def remove(self, name):
        """
        删除代理
        :param name: 主机名称
        :return: 删除结果
        """
        return self.db.hdel(self.proxy_key, name)

    def names(self):
        """
        获取主机名称列表
        :return: 获取主机名称列表
        """
        return self.db.hkeys(self.proxy_key)

    def proxies(self):
        """
        获取代理列表
        :return: 代理列表
        """
        return self.db.hvals(self.proxy_key)

    def random(self):
        """
        随机获取代理
        :return:
        """
        proxies = self.proxies()
        return random.choice(proxies)

    def all(self):
        """
        获取字典
        :return:
        """
        return self.db.hgetall(self.proxy_key)

这里定义了一个RedisClient类,在__init__()方法中初始化了Redis连接,其中REDIS_HOST就是远程Redis的地址,REDIS_PASSWORD是密码,REDIS_PORT是端口,PROXY_KEY是存储代理的散列表的键名。

接下来定义了一个set()方法,这个方法用来向散列表添加映射关系。映射是从主机标识到代理的映射,比如一台主机的标识为adsl1,当前的代理为118.119.111.172:8888,那么散列表中就会存储一个key为adsl1、value为118.119.111.172:8888的映射,Hash结构如下图所示。

如果有多台主机,只需要向Hash中添加映射即可。

另外,get()方法就是从散列表中取出某台主机对应的代理。remove()方法则是从散列表中移除对应的主机的代理。还有names()proxies()all()方法则是分别获取散列表中的主机列表、代理列表及所有主机代理映射。count()方法则是返回当前散列表的大小,也就是可用代理的数目。

最后还有一个比较重要的方法random(),它随机从散列表中取出一个可用代理,类似前面代理池的思想,确保每个代理都能被取到。

如果要对数据库进行操作,只需要初始化RedisClient对象,然后调用它的set()或者remove()方法,即可对散列表进行设置和删除。

七、拨号模块

接下来要做的就是拨号,并把新的IP保存到Redis散列表里。

首先是拨号定时,它分为定时拨号和非定时拨号两种选择。

  • 非定时拨号,最好的方法就是向该主机发送一个信号,然后主机就启动拨号,但这样做的话,我们首先要搭建一个重新拨号的接口,如搭建一个Web接口,请求该接口即进行拨号,但开始拨号之后,此时主机的状态就从在线转为离线,而此时的Web接口也就相应失效了,拨号过程无法再连接,拨号之后接口的IP也变了,所以我们无法通过接口来方便地控制拨号过程和获取拨号结果,下次拨号还得改变拨号请求接口,所以非定时拨号的开销还是比较大的。
  • 定时拨号,我们只需要在拨号主机上运行定时脚本即可,每隔一段时间拨号一次,更新IP,然后将IP在Redis散列表中更新即可,非常简单易用,另外可以适当将拨号频率调高一点,减少短时间内IP被封的可能性。

在这里选择定时拨号。

接下来就是获取IP。获取拨号后的IP非常简单,只需要调用ifconfig命令,然后解析出对应网卡的IP即可。

获取了IP之后,我们还需要进行有效性检测。拨号主机可以自己检测,比如可以利用requests设置自身的代理请求外网,如果成功,那么证明代理可用,然后再修改Redis散列表,更新代理。

需要注意,由于在拨号的间隙拨号主机是离线状态,而此时Redis散列表中还存留了上次的代理,一旦这个代理被取用了,该代理是无法使用的。为了避免这个情况,每台主机在拨号之前还需要将自身的代理从Redis散列表中移除。

这样基本的流程就理顺了,我们用如下代码实现:

import re
import time
import requests
from requests.exceptions import ConnectionError, ReadTimeout
from db import RedisClient

# 拨号网卡
ADSL_IFNAME = 'ppp0'
# 测试URL
TEST_URL = 'http://www.baidu.com'
# 测试超时时间
TEST_TIMEOUT = 20
# 拨号间隔
ADSL_CYCLE = 100
# 拨号出错重试间隔
ADSL_ERROR_CYCLE = 5
# ADSL命令
ADSL_BASH = 'adsl-stop;adsl-start'
# 代理运行端口
PROXY_PORT = 8888
# 客户端唯一标识
CLIENT_NAME = 'adsl1'

class Sender():
    def get_ip(self, ifname=ADSL_IFNAME):
        """
        获取本机IP
        :param ifname: 网卡名称
        :return:
        """
        (status, output) = subprocess.getstatusoutput('ifconfig')
        if status == 0:
            pattern = re.compile(ifname + '.*?inet.*?(\d+\.\d+\.\d+\.\d+).*?netmask', re.S)
            result = re.search(pattern, output)
            if result:
                ip = result.group(1)
                return ip

    def test_proxy(self, proxy):
        """
        测试代理
        :param proxy: 代理
        :return: 测试结果
        """
        try:
            response = requests.get(TEST_URL, proxies={
                'http': 'http://' + proxy,
                'https': 'https://' + proxy
            }, timeout=TEST_TIMEOUT)
            if response.status_code == 200:
                return True
        except (ConnectionError, ReadTimeout):
            return False

    def remove_proxy(self):
        """
        移除代理
        :return: None
        """
        self.redis = RedisClient()
        self.redis.remove(CLIENT_NAME)
        print('Successfully Removed Proxy')

    def set_proxy(self, proxy):
        """
        设置代理
        :param proxy: 代理
        :return: None
        """
        self.redis = RedisClient()
        if self.redis.set(CLIENT_NAME, proxy):
            print('Successfully Set Proxy', proxy)

    def adsl(self):
        """
        拨号主进程
        :return: None
        """
        while True:
            print('ADSL Start, Remove Proxy, Please wait')
            self.remove_proxy()
            (status, output) = subprocess.getstatusoutput(ADSL_BASH)
            if status == 0:
                print('ADSL Successfully')
                ip = self.get_ip()
                if ip:
                    print('Now IP', ip)
                    print('Testing Proxy, Please Wait')
                    proxy = '{ip}:{port}'.format(ip=ip, port=PROXY_PORT)
                    if self.test_proxy(proxy):
                        print('Valid Proxy')
                        self.set_proxy(proxy)
                        print('Sleeping')
                        time.sleep(ADSL_CYCLE)
                    else:
                        print('Invalid Proxy')
                else:
                    print('Get IP Failed, Re Dialing')
                    time.sleep(ADSL_ERROR_CYCLE)
            else:
                print('ADSL Failed, Please Check')
                time.sleep(ADSL_ERROR_CYCLE)
def run():
    sender = Sender()
    sender.adsl()

在这里定义了一个Sender类,它的主要作用是执行定时拨号,并将新的IP测试通过之后更新到远程Redis散列表里。

主方法是adsl()方法,它首先是一个无限循环,循环体内就是拨号的逻辑。

adsl()方法首先调用了remove_proxy()方法,将远程Redis散列表中本机对应的代理移除,避免拨号时本主机的残留代理被取到。

接下来利用subprocess模块来执行拨号脚本,拨号脚本很简单,就是stop之后再start,这里将拨号的命令直接定义成了ADSL_BASH

随后程序又调用get_ip()方法,通过subprocess模块执行获取IP的命令ifconfig,然后根据网卡名称获取了当前拨号网卡的IP地址,即拨号后的IP。

再接下来就需要测试代理有效性了。程序首先调用了test_proxy()方法,将自身的代理设置好,使用requests库来用代理连接TEST_URL。在此TEST_URL设置为百度,如果请求成功,则证明代理有效。

如果代理有效,再调用set_proxy()方法将Redis散列表中本机对应的代理更新,设置时需要指定本机唯一标识和本机当前代理。本机唯一标识可随意配置,其对应的变量为CLIENT_NAME,保证各台拨号主机不冲突即可。本机当前代理则由拨号后的新IP加端口组合而成。通过调用RedisClientset()方法,参数name为本机唯一标识,proxy为拨号后的新代理,执行之后便可以更新散列表中的本机代理了。

建议至少配置两台主机,这样在一台主机的拨号间隙还有另一台主机的代理可用。拨号主机的数量不限,越多越好。

在拨号主机上执行拨号脚本,示例输出如下图所示。

首先移除了代理,再进行拨号,拨号完成之后获取新的IP,代理检测成功之后就设置到Redis散列表中,然后等待一段时间再重新进行拨号。

我们添加了多台拨号主机,这样就有多个稳定的定时更新的代理可用了。Redis散列表会实时更新各台拨号主机的代理,如下图所示。

图中所示是四台ADSL拨号主机配置并运行后的散列表的内容,表中的代理都是可用的。

八、接口模块

目前为止,我们已经成功实时更新拨号主机的代理。不过还缺少一个模块,那就是接口模块。像之前的代理池一样,我们也定义一些接口来获取代理,如random获取随机代理、count获取代理个数等。

我们选用Tornado来实现,利用Tornado的Server模块搭建Web接口服务,示例如下:

import json
import tornado.ioloop
import tornado.web
from tornado.web import RequestHandler, Application

# API端口
API_PORT = 8000

class MainHandler(RequestHandler):
    def initialize(self, redis):
        self.redis = redis

    def get(self, api=''):
        if not api:
            links = ['random', 'proxies', 'names', 'all', 'count']
            self.write('<h4>Welcome to ADSL Proxy API</h4>')
            for link in links:
                self.write('<a href=' + link + '>' + link + '</a><br>')

        if api == 'random':
            result = self.redis.random()
            if result:
                self.write(result)

        if api == 'names':
            result = self.redis.names()
            if result:
                self.write(json.dumps(result))

        if api == 'proxies':
            result = self.redis.proxies()
            if result:
                self.write(json.dumps(result))

        if api == 'all':
            result = self.redis.all()
            if result:
                self.write(json.dumps(result))

        if api == 'count':
            self.write(str(self.redis.count()))

def server(redis, port=API_PORT, address=''):
    application = Application([
        (r'/', MainHandler, dict(redis=redis)),
        (r'/(.*)', MainHandler, dict(redis=redis)),
    ])
    application.listen(port, address=address)
    print('ADSL API Listening on', port)
    tornado.ioloop.IOLoop.instance().start()

这里定义了5个接口,random获取随机代理,names获取主机列表,proxies获取代理列表,all获取代理映射,count获取代理数量。

程序启动之后便会在API_PORT端口上运行Web服务,主页面如下图所示。

访问proxies接口可以获得所有代理列表,如下图所示。

访问random接口可以获取随机可用代理,如下图所示。

我们只需将接口部署到服务器上,即可通过Web接口获取可用代理,获取方式和代理池类似。

九、本节代码

本节代码地址为:https://github.com/Python3WebSpider/AdslProxy。

十、结语

本节介绍了ADSL拨号代理的搭建过程。通过这种代理,我们可以无限次更换IP,而且线路非常稳定,抓取效果好很多。

崔庆才

静觅博客博主,《Python3网络爬虫开发实战》作者

原文发布于微信公众号 - 进击的Coder(FightingCoder)

原文发表时间:2018-04-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Java呓语

# How to Install Jenkins on CentOS 7How to Install Jenkins on CentOS 7

Published on: Thu, May 19, 2016 at 4:54 am EST

682
来自专栏程序员的SOD蜜

使用微服务架构思想,设计部署OAuth2.0授权认证框架

1.6K2
来自专栏云计算

如何在Ubuntu上使用Jenkins自动构建

Jenkins是一个开源自动化服务器,允许您构建管道以自动化构建,测试和部署应用程序的过程。在本指南中,您将实施基本工作流程,以加快持续集成和持续交付(CI /...

1141
来自专栏玩转JavaEE

Jedis使用

Redis的知识我们已经介绍的差不多了,本文我们来看看如何使用Java操作redis。

510
来自专栏云审计

使用云审计实时监控腾讯云账户

用户开通了云审计服务以后,用户便可以清晰的知道自己的云账户中的资源被哪个账号在什么时候从哪个IP发起过什么操作。

26413
来自专栏PhpZendo

Laravel 请求生命周期

当需要使用一个框架、工具或者服务时,在使用前应对其运行原理进行研究。随着原理研究工作的不断深入,能让我们在使用时更得心应手。

701
来自专栏月色的自留地

golang子进程的启动和停止,mac与linux的区别

1745
来自专栏菩提树下的杨过

spring cloud 学习(5) - config server

 分布式环境下的统一配置框架,已经有不少了,比如百度的disconf,阿里的diamand。今天来看下spring cloud对应的解决方案: ? 如上图,从架...

21810
来自专栏菩提树下的杨过

java:如何让程序按要求自行重启?

正文开始前的废话: 这里的程序即包括b/s的web application,也包括standalone的类c/s的java application。 为什么要自...

2285
来自专栏L宝宝聊IT

Nagios监控系统

1473

扫码关注云+社区