python爬蟲之如何抓取高匿ip代理

小編給大家分享一下python爬蟲之如何抓取高匿ip代理，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

很多網站都有反爬蟲機制，只用一個ip去頻繁訪問網站的話，很容易引起網站管理員的注意，如果管理員將這個ip加入黑名單，那么這個爬蟲就廢掉了。所以，想要做大型的爬蟲的話，基本上是必須要面對ip的問題。

那么問題來了，我們去哪里搞代理ip呢？？第一種方法就是買買買！！沒有什么事情是用錢解決不了的，如果有，那就加倍。

當然，網上也有一堆免費的ip代理，但是，免費的質量參差不齊，所以就需要進行篩選。以西刺代理為例：用爬蟲爬取國內的高匿代理IP，并進行驗證。（只爬取前五頁，后面的失效太多，沒有必要去驗證了。）

class XiciSpider(scrapy.Spider):
    name = 'xici'
    allowed_domains = ['xicidaili.com']
    start_urls = []
    for i in range(1, 6):
        start_urls.append('http://www.xicidaili.com/nn/' + str(i))
 
    def parse(self, response):
        ip = response.xpath('//tr[@class]/td[2]/text()').extract()
        port = response.xpath('//tr[@class]/td[3]/text()').extract()
        agreement_type = response.xpath('//tr[@class]/td[6]/text()').extract()
        proxies = zip(ip, port, agreement_type)
        # print(proxies)
 
        # 驗證代理是否可用
        for ip, port, agreement_type in proxies:
            proxy = {'http': agreement_type.lower() + '://' + ip + ':' + port,
                     'https': agreement_type.lower() + '://' + ip + ':' + port}
            try:
                # 設置代理鏈接  如果狀態碼為200 則表示該代理可以使用
                print(proxy)
                resp = requests.get('http://icanhazip.com', proxies=proxy, timeout=2)
                print(resp.status_code)
                if resp.status_code == 200:
                    print(resp.text)
                    # print('success %s' % ip)
                    item = DailiItem()
                    item['proxy'] = proxy
                    yield item
            except:
                print('fail %s' % ip)

Pipeline：

class DailiPipeline(object):
 
    def __init__(self):
        self.file = open('proxy.txt', 'w')
 
    def process_item(self, item, spider):
        self.file.write(str(item['proxy']) + '\n')
        return item
 
    def close_spider(self, spider):
        self.file.close()

以上是“python爬蟲之如何抓取高匿ip代理”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！