专栏首页python学习教程python爬虫遇到IP被封的情况,怎么办?

python爬虫遇到IP被封的情况,怎么办?

代理服务的介绍:

  • 我们在做爬虫的过程中经常最初爬虫都正常运行,正常爬取数据,一切看起来都是美好,然而一杯茶的功夫就出现了错误。
  • 如:403 Forbidden错误,“您的IP访问频率太高”错误,或者跳出一个验证码让我们输入,之后解封,但过一会又出现类似情况。
  • 出现这个现象的原因是因为网站采取了一些反爬中措施,如:服务器检测IP在单位时间内请求次数超过某个阀值导致,称为封IP。
  • 为了解决此类问题,代理就派上了用场,如:代理软件、付费代理、ADSL拨号代理,以帮助爬虫脱离封IP的苦海。
  • 测试HTTP请求及响应的网站:http://httpbin.org/
  • GET地址 :http://httpbin.org/get
  • POST地址:http://httpbin.org/post
  • httpbin这个网站能测试 HTTP 请求和响应的各种信息,比如 cookie、ip、headers 和登录验证等.
  • 且支持 GET、POST 等多种方法,对 web 开发和测试很有帮助。
  • 它用 Python + Flask 编写,是一个开源项目。开源地址:https://github.com/Runscope/httpbin
  • 返回信息中origin的字段就是客户端的IP地址,即可判断是否成功伪装IP:

代理的设置:

① urllib的代理设置

from urllib.error import URLError
from urllib.request import ProxyHandler, build_opener

proxy = '127.0.0.1:8888'
#需要认证的代理
#proxy = 'username:password@127.0.0.1:8888'

#使用ProxyHandler设置代理
proxy_handler = ProxyHandler({
 'http': 'http://' + proxy,
 'https': 'https://' + proxy
})
#传入参数创建Opener对象
opener = build_opener(proxy_handler)
try:
 response = opener.open('http://httpbin.org/get')
 print(response.read().decode('utf-8'))
except URLError as e:
 print(e.reason)

② requests的代理设置

import requests

proxy = '127.0.0.1:8888'
#需要认证的代理
#proxy = 'username:password@127.0.0.1:8888'

proxies = {
 'http': 'http://' + proxy,
 'https': 'https://' + proxy,
}
try:
 response = requests.get('http://httpbin.org/get', proxies=proxies)
 print(response.text)
except requests.exceptions.ConnectionError as e:
 print('Error', e.args)

③ Selenium的代理使用

  • 使用的是PhantomJS
from selenium import webdriver

service_args = [
 '--proxy=127.0.0.1:9743',
 '--proxy-type=http',
 #'--proxy-auth=username:password' #带认证代理
]

browser = webdriver.PhantomJS(service_args=service_args)
browser.get('http://httpbin.org/get')
print(browser.page_source)
  • 使用的是Chrome
from selenium import webdriver

proxy = '127.0.0.1:9743'
chrome_options = webdriver.ChromeOptions()
chrome_options.add_argument('--proxy-server=http://' + proxy)
chrome = webdriver.Chrome(chrome_options=chrome_options)
chrome.get('http://httpbin.org/get')

④ 在Scrapy使用代理

#在Scrapy的Downloader Middleware中间件里
 ...
 def process_request(self, request, spider):
 request.meta['proxy'] = 'http://127.0.0.1:9743'
 ...

免费代理IP的使用

我们可以从互联网中获取免费的代理IP:如:西刺

import requests,random

#定义代理池
proxy_list = [
 '182.39.6.245:38634',
 '115.210.181.31:34301',
 '123.161.152.38:23201',
 '222.85.5.187:26675',
 '123.161.152.31:23127',
]

# 随机选择一个代理
proxy = random.choice(proxy_list)

proxies = {
 'http': 'http://' + proxy,
 'https': 'https://' + proxy,
}
try:
 response = requests.get('http://httpbin.org/get', proxies=proxies)
 print(response.text)
except requests.exceptions.ConnectionError as e:
 print('Error', e.args)

收费代理IP的使用

收费代理还是很多的如:

  • 西刺
  • 讯代理
  • 快代理
  • 大象代理

在requests中使用收费代理

import requests

# 从代理服务中获取一个代理IP
proxy = requests.get("http://tvp.daxiangdaili.com/ip/?tid=559775358931681&num=1").text
proxies = {
 'http': 'http://' + proxy,
 'https': 'https://' + proxy,
}
try:
 response = requests.get('http://httpbin.org/get', proxies=proxies)
 print(response.text)
except requests.exceptions.ConnectionError as e:
 print('Error', e.args)

本文分享自微信公众号 - python教程(pythonjc),作者:小雨

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-10-31

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python基础进阶需要掌握哪些知识点?

    Python基础进阶需要掌握哪些知识点?Python将是每个程序员的标配,有编程基础再掌握Python语言对于日后的升职加薪更有利。Python语言简洁利于理解...

    python学习教程
  • python学习:如何让你pycharm用起来更舒服,看起来更美观

    世界上最好的 Python 编辑器或 IDE 是什么?炫酷的界面、流畅的体验,我们投 PyCharm 一票,那么你呢?

    python学习教程
  • 零基础自学python要多久?

    Python现在非常火,语法简单而且功能强大,很多同学都想学Python!所以小的给各位看官们准备了高价值Python学习视频教程及相关电子版书籍,欢迎前来领取...

    python学习教程
  • 实现图片懒加载

    图片懒加载就是当页面需要展示较多图片时,首先只加载显示在当前屏幕位置的图片,在页面向下滚动时,再加载其他需要显示在当前屏幕位置的图片,这样可以防止一次性对服务器...

    WindrunnerMax
  • 解决React前端在开发环境的跨域问题

    在前后端分离的分布式架构中,跨域是一道无法绕过去的门槛,众所周知,生产环境上解决跨域最便捷的方式是使用Nginx来处理,那么,在本地开发环境又该如何处理呢?

    朱季谦
  • 三种方式给apt设置代理

    有很多第三方工具可以用,比如proxychains,非常好用,不过今天这不是正题。因为有可能没有代理,上网你都做不到,更别提下载软件了。想一想方法还是告诉你,免...

    俺踏月色而来
  • CmsEasy_v5.7 漏洞测试

    下载了一套CMS,看了一下,部分代码加密,也懒得去解密了,费事。直接登录后台进行黑盒结合白盒进行测试,也发现了一些问题,汇总一下,不做具体代码分析。

    Bypass
  • SAP SAP Data Intelligence Graph json源代码的结构分析

    以SAP Data Intelligence标准的示例Graph com.sap.demo.http.server为例,将其json代码保存到本地,使用json...

    Jerry Wang
  • PHP-MVC演化

    2、将上一讲的MyPDO类拷贝到站点下,改名为MyPDO.class.php,这个文件中只存放MyPDO类

    cwl_java
  • Apache Spark 2.2中基于成本的优化器(CBO)

    问题导读 1.什么是CBO,RBO? 2.什么是执行计划? 3.什么是join,filter? 4.事实表和维度表的区别? Apache Spark 2.2最近...

    用户1410343

扫码关注云+社区

领取腾讯云代金券