我尝试使用TOR代理进行抓取,在一个线程中一切正常,但速度很慢。我试着做一些简单的事情:
def get_new_ip():
with Controller.from_port(port = 9051) as controller:
controller.authenticate(password="password")
controller.signal(Signal.NEWNYM)
time.sleep(controller.get_newnym_wait())
def check_ip():
get_new_ip()
session = requests.session()
session.proxies = {'http': 'socks5h://localhost:9050', 'https': 'socks5h://localhost:9050'}
r = session.get('http://httpbin.org/ip')
r.text
with Pool(processes=3) as pool:
for _ in range(9):
pool.apply_async(check_ip)
pool.close()
pool.join()
当我运行它时,我看到了输出:
{"origin": "95.179.181.1, 95.179.181.1"}
{"origin": "95.179.181.1, 95.179.181.1"}
{"origin": "95.179.181.1, 95.179.181.1"}
{"origin": "151.80.53.232, 151.80.53.232"}
{"origin": "151.80.53.232, 151.80.53.232"}
{"origin": "151.80.53.232, 151.80.53.232"}
{"origin": "145.239.169.47, 145.239.169.47"}
{"origin": "145.239.169.47, 145.239.169.47"}
{"origin": "145.239.169.47, 145.239.169.47"}
为什么会发生这种情况?我如何为每个线程分配自己的IP?顺便说一下,我尝试了像TorRequests,TorCtl这样的库,结果是一样的。
我理解TOR在签发新的IP之前似乎有延迟,但为什么同一个IP会进入不同的流程?
发布于 2019-07-01 06:28:04
如果您想为每个连接指定不同的If,您还可以通过为每个连接指定不同的代理username:password
组合来使用SOCKS上的Stream Isolation。
使用这种方法,您只需要一个Tor实例,并且每个请求客户端可以使用具有不同退出节点的不同流。
为了设置它,像这样为每个requests.session
对象添加唯一的代理凭据:socks5h://username:password@localhost:9050
import random
from multiprocessing import Pool
import requests
def check_ip():
session = requests.session()
creds = str(random.randint(10000,0x7fffffff)) + ":" + "foobar"
session.proxies = {'http': 'socks5h://{}@localhost:9050'.format(creds), 'https': 'socks5h://{}@localhost:9050'.format(creds)}
r = session.get('http://httpbin.org/ip')
print(r.text)
with Pool(processes=8) as pool:
for _ in range(9):
pool.apply_async(check_ip)
pool.close()
pool.join()
Tor浏览器通过将凭证设置为firstpartydomain:randompassword
,以每个域为基础隔离流,其中随机密码是每个唯一第一方域名的随机随机数。
如果您正在爬行相同的站点,并且您想要随机的IP,那么对每个会话使用一个随机的用户名:密码组合。如果您正在搜索随机域,并希望对某个域的请求使用相同的电路,请使用Tor Browser的domain:randompassword
方法获取凭据。
https://stackoverflow.com/questions/56733397
复制相似问题