付费代理的使用

相对免费代理来说,付费代理的稳定性更高。本节将介绍爬虫付费代理的相关使用过程。

一、付费代理分类

付费代理分为两类:

一类提供接口获取海量代理,按天或者按量收费,如讯代理;

一类搭建了代理隧道,直接设置固定域名代理,如阿布云代理。

本节分别以两家代表性的代理网站为例,讲解这两类代理的使用方法,

二、讯代理

讯代理上可供选购的代理有多种类别,包括如下几种(参考官网介绍)。

优质代理:它适合对代理IP需求量非常大,但能接受较短代理有效时长(10~30分钟)的小部分不稳定的客户。

独享动态:它适合对代理IP稳定性要求非常高且可以自主控制的客户,支持地区筛选。

独享秒切:它适合对代理IP稳定性要求非常高且可以自主控制的客户,可快速获取IP,地区随机分配。

动态混拨: 它适合对代理IP需求量大、代理IP使用时效短(3分钟)、切换快的客户。

优质定制:如果优质代理的套餐不能满足你的需求,请使用定制服务。

一般选择第一类别优质代理即可,这种代理的量比较大,但是其稳定性不高,一些代理不可用。所以这种代理的使用就需要借助于上一节所说的代理池,自己再做一次筛选,以确保代理可用。

读者可以购买一天时长来试试效果。购买之后,讯代理会提供一个API来提取代理,如下图所示。

比如,这里提取API为http://www.xdaili.cn/ipagent/greatRecharge/getGreatIp?spiderId=da289b78fec24f19b392e04106253f2a&orderno=YZ20177140586mTTnd7&returnType=2&count=20,可能已过期,在此仅做演示。

在这里指定了提取数量为20,提取格式为JSON,直接访问链接即可提取代理,结果如下图所示。

接下来我们要做的就是解析这个JSON,然后将其放入代理池中。

如果信赖讯代理的话,我们也可以不做代理池筛选,直接使用代理。不过我个人还是推荐使用代理池筛选,以提高代理可用几率。

根据上一节代理池的写法,我们只需要在Crawler中再加入一个开头的方法即可。方法实现如下所示:

defcrawl_xdaili(self):

"""

获取讯代理

:return: 代理

"""

url ='http://www.xdaili.cn/ipagent/greatRecharge/getGreatIp?spiderId=da289b78fec24f19b392e04106253f2a&orderno=YZ20177140586mTTnd7&returnType=2&count=20'

html = get_page(url)

ifhtml:

result = json.loads(html)

proxies = result.get('RESULT')

forproxyinproxies:

yieldproxy.get('ip') +':'+ proxy.get('port')

这样我们就在代理池中接入了讯代理。获取讯代理的结果之后,解析JSON,返回代理即可。

代理池运行之后就会抓取和检测该接口返回的代理,如果代理可用,那么分数就会被设为100,通过代理池接口即可获取到这些可用代理。

三、阿布云代理

阿布云代理提供了代理隧道,代理速度快且非常稳定,其官网为https://www.abuyun.com/,如下图所示。

阿布云代理主要分为两种:专业版和动态版,另外还有定制版(参考官网介绍)。

专业版:多个请求锁定一个代理IP,海量IP资源池需求,近300个区域全覆盖,代理IP可连续使用1分钟,它适用于请求IP连续型业务。

动态版:每个请求分配一个随机代理IP,海量IP资源池需求,近300个区域全覆盖,它适用于爬虫类业务。

定制版:它可以灵活按照需求定制,定制IP区域,定制IP使用时长,定制IP每秒请求数。

关于专业版和动态版的更多介绍可以查看官网:https://www.abuyun.com/http-proxy/dyn-intro.html。

对于爬虫来说,我们推荐使用动态版,购买之后可以在后台看到代理隧道的用户名和密码,如下图所示。

云代理通过代理隧道的形式提供高匿名代理服务,支持HTTP/HTTPS协议。

云代理在云端维护一个全局IP池供代理隧道使用,池中的IP会不间断更新,以保证同一时刻IP池中有几十到几百个可用代理IP。

需要注意的是,代理IP池中部分IP可能会在当天重复出现多次。

动态版HTTP代理隧道会为每个请求从IP池中挑选一个随机代理IP。

无须切换代理IP,每一个请求分配一个随机代理IP。

HTTP代理隧道有并发请求限制,默认每秒只允许5个请求。如果需要更多请求数,请额外购买。

注意,默认套餐的并发请求是5个。如果需要更多请求数,则须另外购买。

使用教程的官网链接为:https://www.abuyun.com/http-proxy/dyn-manual-python.html。教程提供了requests、urllib、Scrapy的接入方式。

现在我们以requests为例,接入代码如下所示:

importrequests

url ='http://httpbin.org/get'

# 代理服务器

proxy_host ='proxy.abuyun.com'

proxy_port ='9020'

# 代理隧道验证信息

proxy_user ='H01234567890123D'

proxy_pass ='0123456789012345'

proxy_meta ='http://%(user)s:%(pass)s@%(host)s:%(port)s'% {

'host': proxy_host,

'port': proxy_port,

'user': proxy_user,

'pass': proxy_pass,

}

proxies = {

'http': proxy_meta,

'https': proxy_meta,

}

response = requests.get(url, proxies=proxies)

print(response.status_code)

print(response.text)

这里其实就是使用了代理认证,在前面我们也提到过类似的设置方法,运行结果如下:

200

{

"args":{},

"headers":{

"Accept":"*/*",

"Accept-Encoding":"gzip, deflate",

"Connection":"close",

"Host":"httpbin.org",

"User-Agent":"python-requests/2.18.1"

},

"origin":"60.207.237.111",

"url":"http://httpbin.org/get"

}

输出结果的即为代理IP的实际地址。这段代码可以多次运行测试,我们发现每次请求都会在变化,这就是动态版代理的效果。

这种效果其实跟之前的代理池的随机代理效果类似,都是随机取出了一个当前可用代理。但是,与维护代理池相比,此服务的配置简单,使用更加方便,更省时省力。在价格可以接受的情况下,个人推荐此种代理。

四、结语

以上内容便是付费代理的相关使用方法,付费代理稳定性比免费代理更高。读者可以自行选购合适的代理。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180401G188FA00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券