Python爬虫如何通过ip代理抓取网页

今天小编给大家分享一下Python爬虫如何通过ip代理抓取网页的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

步骤：

1、urllib2库中的ProxyHandler类，通过此类可以使用ip代理访问网页

proxy_support=urllib2.ProxyHandler({})，其中参数是一个字典{‘类型':'代理ip:端口号'}

2、定制、创建一个opener

opener=urllib2.build_opener(proxy_support)

3、（1）安装opener

          urlib2.install_opener(opener)

   （2）调用默认的opener

         opener.open(url)

针对没有反爬虫机制的网站，只要直接像上面引入ProxyHandler类进行处理，下面以访问csdn主页为例：

import urllib 

url="http://www.csdn.net/" 

for i in range(0,10000): 

    html=urllib.urlopen(url) 

    print html.info() 

    print i 

当使用上述代码时，当循环到20时，就会出现下面的错误

Traceback (most recent call last):

  File "C:/Users/lenovo/PycharmProjects/untitled1/jt2/__init__.py", line 19, in 

    html=urllib.urlopen(url)

  File "C:\Python27\lib\urllib.py", line 87, in urlopen

    return opener.open(url)

  File "C:\Python27\lib\urllib.py", line 213, in open

    return getattr(self, name)(url)

  File "C:\Python27\lib\urllib.py", line 350, in open_http

    h.endheaders(data)

  File "C:\Python27\lib\httplib.py", line 997, in endheaders

    self._send_output(message_body)

  File "C:\Python27\lib\httplib.py", line 850, in _send_output

    self.send(msg)

  File "C:\Python27\lib\httplib.py", line 812, in send

    self.connect()

  File "C:\Python27\lib\httplib.py", line 793, in connect

    self.timeout, self.source_address)

  File "C:\Python27\lib\socket.py", line 571, in create_connection

    raise err

IOError: [Errno socket error] [Errno 10060]

这是由于用的电脑的单一ip进行反复访问才被检测出来的。

下面是使用了ip代理的代码：

import urllib2 

import random 

def getHtml(url,proxies): 

    random_proxy = random.choice(proxies) 

    proxy_support = urllib2.ProxyHandler({"http":random_proxy}) 

    opener = urllib2.build_opener(proxy_support) 

    urllib2.install_opener(opener) 

    html=urllib2.urlopen(url) 

    return html 

url="http://www.csdn.net/" 

proxies=["101.53.101.172:9999","171.117.93.229:8118","119.251.60.37:21387","58.246.194.70:8080" 

        "115.173.218.224:9797","110.77.0.70:80"] 

for i in range(0,10000): 

    try: 

        html=getHtml(url,proxies) 

        print html.info()     #打印网页的头部信息，只是为了展示访问到了网页，可以自己修改成想显示的内容 

        print i 

    except: 

        print "出现故障" 

这段代码在测试1096次时被检测到了，要知道我的列表中仅有6个ip，倘若增加ip的个数，那么被发现的几率会不会更低。对于上面例子中的ip代理，或许过段时间就不可以使用了，这就要我们自己去搜新的IP代理来更换。还有程序中的异常处理是为了使程序可以处理ip代码访问时出现问题的情况，因为有些ip代理在访问的时候会出现故障的，这样做了可以使程序更加健壮。

#网上的ip不一定都能使用的，要多试试，或是选择黑洞http代理ip，更稳定安全 

myproxies=["220.189.249.80:80","124.248.32.43:80"] 

html = get_html(url,user_agents,myproxies) 

print html.read() 

以上就是“Python爬虫如何通过ip代理抓取网页”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。