反爬利器--设置代理服务器

1. 代理简介

　　很多网站都会检测某一段时间某个ip的访问次数，如果同一个ip访问过于频繁，那么该网站就会禁止来自该ip的访问，针对这种情况，可以使用代理服务器，每隔一段时间换一个马甲。“他强任他强，劳资会变翔”哈哈哈。

　　免费的开放代理获取无成本，我们可以收集这些免费代理，测试后如果可以用，用在爬虫上。

　　免费短期代理网站举例：

• 西刺免费代理ip
• proxy360代理
• 全网代理ip

名词解释：

免费短期代理网站分高匿和透明

【高匿】：代表服务器追踪不到你原来的ip;

【透明】：代表服务器可以追踪到你的代理ip和原来的ip;

类型表示支持的类型：http或者https

【存活的时间】：表示在这个期间可用

 

2.设置代理服务器

urllib.request中通过proxyhandler来设置使用代理服务器，下面代码说明如何使用自定义opener来使用代理：

例子1：单个代理ip

 

 1 import urllib.request
 2 
 3 # 构建两个代理handler，一个有代理ip，一个没有
 4 httpproxy_handler = urllib.request.proxyhandler({"http": "211.141.111.114:61395"})
 5 nullproxy_handler = urllib.request.proxyhandler({})
 6 proxy_switch = true  # 定义一个代理开关
 7 
 8 # 通过urllib.request.build_opener() 方法创建自定义opener对象
 9 # 根据代理开关是否打开，使用不同的代理模式
10 if proxy_switch:
11     opener = urllib.request.build_opener(httpproxy_handler)
12 else:
13     opener = urllib.request.build_opener(nullproxy_handler)
14 
15 request = urllib.request.request("http://www.baidu.com")
16 response = opener.open(request)
17 print(response.read())

　　注意：

　　如果程序中所有的请求都使用自定义的opener， 可以使用urllib.install_opener()将自定义的opener定义为全局opener，表示之后凡是调用urlopen，都将使用自定义的opener。

 

例子2：代理ip列表随机抽取

如果代理ip足够多，就可以像随机获取user-agent一样，随机选择一个代理去访问网站。

 

 1 import urllib.request
 2 import random
 3 
 4 proxy_list = [
 5     {"http": "211.141.111.114:61395"},
 6     {"http": "61.135.217.7:80"},
 7     {"http": "171.39.74.97:8123"},
 8     {"http": "218.59.228.18:61976"},
 9     {"http": "221.224.136.211:35101"},
10 ]
11 
12 # 随机选择一个代理
13 proxy = random.choice(proxy_list)
14 
15 # 使用选择的代理构建代理处理器对象
16 httpproxy_handler = urllib.request.proxyhandler(proxy)
17 opener = urllib.request.build_opener(httpproxy_handler)
18 request = urllib.request.request("http://www.baidu.com")
19 response = opener.open(request)
20 print(response.read())

 

这些免费开放代理一般会有很多人都在使用，而且代理有寿命短，速度慢，匿名度不高，http/https支持不稳定等缺点（免费没好货）。

 

所以，专业爬虫工程师或爬虫公司会使用高品质的私密代理，这些代理通常需要找专门的代理供应商购买，再通过用户名/密码授权使用。