欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python爬取免费优质IP归属地查询接口

程序员文章站 2023-03-30 21:17:27
python爬取免费优质IP归属地查询接口 具体不表,我今天要做的工作就是: 需要将数据库中大量ip查询出起归属地 刚开始感觉好简单啊,毕竟只需要从百度找个免费接口然后来个python脚本跑一晚上就ok了嘛~但是,网上免费接口要么限制访问频率(淘宝的),要么限制访问次数(百度及其他) 没辙了,从百度 ......

python爬取免费优质ip归属地查询接口


具体不表,我今天要做的工作就是: 需要将数据库中大量ip查询出起归属地

刚开始感觉好简单啊,毕竟只需要从百度找个免费接口然后来个python脚本跑一晚上就ok了嘛~但是,网上免费接口要么限制访问频率(淘宝的),要么限制访问次数(百度及其他)

没辙了,从百度找到了几个在线查询的接口,要么不够准确(或者说她们的数据库太旧了),要么就是速度太慢了,跟限制访问似的(没办法,小规模人家的服务器的确不够好)

于是乎就想到了百度首页的ip接口,就这货:

python爬取免费优质IP归属地查询接口

为了防止泄露隐私,其中ip地址信息已经在控制台稍作修改

随便输入一个ip,点击查询

python爬取免费优质IP归属地查询接口

没想到,百度的接口竟然就这么暴露出来了,如此简单,试试能不能直接用

ip00.py

from pprint import pprint

import requests
res = requests.get(
    'https://sp0.baidu.com/8aqdcjqpaav3otqbppnn2djv/api.php?query=112.53.65.12&co=&resource_id=6006&t=1551419352431&ie=utf8&oe=gbk&cb=op_aladdin_callback&format=json&tn=baidu&cb=jquery110200929818675063574_1551418734860&_=1551418734868')
pprint(res.text)

返回结果:

('/**/jquery110200929818675063574_1551418734860({"status":"0","t":"1551419352431","set_cache_time":"","data":[{"location":"山东省青岛市 '
 '移动","titlecont":"ip地址查询","origip":"112.53.65.12","origipquery":"112.53.65.12","showlamp":"1","showlikeshare":1,"shareimage":1,"extendedlocation":"","originquery":"112.53.65.12","tplt":"ip","resourceid":"6006","fetchkey":"112.53.65.12","appinfo":"","role_id":0,"disp_type":0}]});')

与浏览器访问返回结果一样,这个太出乎意料了,好吧,b厂还是留了点情面的,可是他们家的接口只能按年来买,大概要999rmb/年

再测试一下换个 ip 地址继续查询还能不能查到结果(防止后面的数据是加密的)

这个呢,其实最好的办法是在浏览器中进行测试,换个ip看一下控制台的url会不会有变化(主要是后面的参数),可能会存在加密数据,其实这个我测试了,会有一个参数变化 ,但是我重复提交时没发生改变一样能够请求数据,几乎就可以说明这个参数是迷惑用的(也可能是时间戳吧,我忘了具体什么参数了.时间戳的话就更好了,为了防止浏览器有缓存的)

ip01.py

from pprint import pprint

import requests
res = requests.get(
    'https://sp0.baidu.com/8aqdcjqpaav3otqbppnn2djv/api.php?query=112.53.54.12&co=&resource_id=6006&t=1551419352431&ie=utf8&oe=gbk&cb=op_aladdin_callback&format=json&tn=baidu&cb=jquery110200929818675063574_1551418734860&_=1551418734868')
pprint(res.text)

返回结果:

('/**/jquery110200929818675063574_1551418734860({"status":"0","t":"1551419352431","set_cache_time":"","data":[{"location":"广东省 '
 '移动","titlecont":"ip地址查询","origip":"112.53.54.12","origipquery":"112.53.54.12","showlamp":"1","showlikeshare":1,"shareimage":1,"extendedlocation":"","originquery":"112.53.54.12","tplt":"ip","resourceid":"6006","fetchkey":"112.53.54.12","appinfo":"","role_id":0,"disp_type":0}]});')

ok,数据更换ip也是没有问题的,也不需要伪装agent

那么我们来尝试一下访问频率有没有限制:

这里先为大家介绍一个库:faker

这是一个python造假用的库,可以生成很多测试数据,姓名地址电话等等信息

这里推荐一位陌生老哥的博客: 小demo:

faker_test.py

from faker import faker

f = faker('zh-cn')
print(f.ipv4())

返回结果:

101.208.5.200

这段代码就这点功能,就是可以生成随机ip地址

ip02.py

from pprint import pprint

import requests
from faker import faker

f = faker('zh-cn')

for i in range(100):
    ip = f.ipv4()
    res = requests.get(
        'https://sp0.baidu.com/8aqdcjqpaav3otqbppnn2djv/api.php?query=' + ip +
        '&co=&resource_id=6006&t'
        '=1551419352431&ie=utf8&oe=gbk&cb=op_aladdin_callback&format=json&tn=baidu&cb'
        '=jquery110200929818675063574_1551418734860&_=1551418734868')
    pprint(res.text)

这里稍微整理了一下url,就是换了个行而已

返回结果(太多了 ,截个图意思意思)

python爬取免费优质IP归属地查询接口

速度挺快,待会儿再测试一下它的耗时到底有多少

数据杂乱不好整理,直接来个简单粗暴的分割字符串吧:

稍作修改后:

ip03.py

import requests
from faker import faker

f = faker('zh-cn')

for i in range(100):
    ip = f.ipv4()
    res = requests.get(
        'https://sp0.baidu.com/8aqdcjqpaav3otqbppnn2djv/api.php?query=' + ip +
        '&co=&resource_id=6006&t'
        '=1551419352431&ie=utf8&oe=gbk&cb=op_aladdin_callback&format=json&tn=baidu&cb'
        '=jquery110200929818675063574_1551418734860&_=1551418734868')
    text = res.text
    location = text.split('location":"')[1].split('","titlecont')[0]
    print(location)

吓死我了,刚才断网了,我还以为百度的这条路只能走这么远了呢,毕竟我上午已经弄了不少数据了,下午就不行的话,我这一上午岂不是白瞎了

返回结果

澳大利亚
澳大利亚
广东省 电信
韩国
美国
美国
美国
比利时
美国
美国
...后面的不发了,太长了

最后,来计个时

ip04.py

from time import time

import requests
from faker import faker

# 获取当前秒级时间戳
t1 = int(time())
f = faker('zh-cn')
for i in range(100):
    ip = f.ipv4()
    res = requests.get(
        'https://sp0.baidu.com/8aqdcjqpaav3otqbppnn2djv/api.php?query=' + ip +
        '&co=&resource_id=6006&t'
        '=1551419352431&ie=utf8&oe=gbk&cb=op_aladdin_callback&format=json&tn=baidu&cb'
        '=jquery110200929818675063574_1551418734860&_=1551418734868')
    text = res.text
    location = text.split('location":"')[1].split('","titlecont')[0]
    print(location)
t2 = int(time())
print(t2 - t1)

返回结果:

...
美国
美国
美国
荷兰
美国
美国
澳大利亚
澳大利亚
19

还不错吧,100个耗时19秒,想要更快可以试试java或者多线程吧,反证我就用这一次,而且也不赶时间,估计今晚就把我那些数据搞定了

最后娱乐一下,缩减一下代码行数(计时就去掉了,反正对我也没什么实际用途)

import requests;from faker import faker;f = faker('zh-cn');print([requests.get('https://sp0.baidu.com/8aqdcjqpaav3otqbppnn2djv/api.php?query=' + f.ipv4() +'&resource_id=6006&_='+str(i)).text.split('ation":"')[1].split('","tit')[0] for i in range(10)])

这里主要是精简了一部分url,不知道修改后还好不好使了

python一行代码(251字)搞定爬取百度ip接口并实现查询数据(欢呼)

好险这字数,还好没再删东西,哈哈哈,别整这些没用的了