代理类型（proxy）:透明代理 匿名代理 混淆代理和高匿代理. 这里写一些Python爬虫使用代理的知识,还有一个代理池的类. 方便大家应对工作中各种复杂的抓取问题。
urllib 模块使用代理
urllib/urllib2使用代理比较麻烦,需要先构建一个ProxyHandler的类,随后将该类用于构建网页打开的opener的类,再在request中安装该opener.
代理格式是http://127.0.0.1:80,如果要账号密码是http://user:password@127.0.0.1:80.
# @param Python爬虫使用代理proxy抓取网页
# @author 编程之家 jb51.cc|jb51.cc
proxy=http://127.0.0.1:80
# 创建一个ProxyHandler对象
proxy_support=urllib.request.ProxyHandler({'http':proxy})
# 创建一个opener对象
opener = urllib.request.build_opener(proxy_support)
# 给request装载opener
urllib.request.install_opener(opener)
# 打开一个url
r = urllib.request.urlopen('http://youtube.com',timeout = 500)
# End www.jb51.cc
requests 模块 使用代理
requests使用代理要比urllib简单多了…这里以单次代理为例. 多次的话可以用session一类构建.
如果需要使用代理，你可以通过为任意请求方法提供 proxies 参数来配置单个请求:
# @param Python爬虫使用代理proxy抓取网页
# @author 编程之家 jb51.cc|jb51.cc
import requests
proxies = {
http: http://127.0.0.1:3128,https: http://127.0.0.1:2080,}
r=requests.get(http://youtube.com,proxies=proxies)
print r.text
# End www.jb51.cc
你也可以通过环境变量 HTTP_PROXY 和 HTTPS_PROXY 来配置代理。
export HTTP_PROXY=http://127.0.0.1:3128
export HTTPS_PROXY=http://127.0.0.1:2080
python
>>> import requests
>>> r=requests.get(http://youtube.com)
>>> print r.text
# End www.jb51.cc
若你的代理需要使用HTTP Basic Auth，可以使用 http://user:password@host/ 语法:
# @param Python爬虫使用代理proxy抓取网页
# @author 编程之家 jb51.cc|jb51.cc
proxies = {
http: http://user:pass@127.0.0.1:3128/,}
# End www.jb51.cc
python的代理使用非常简单， 最重要的是要找一个网络稳定可靠的代理，有问题欢迎留言提问
