python爬虫简单的添加代理进行访问

在使用python对网页进行多次快速爬取的时候,访问次数过于频繁,服务器不会考虑user-agent的信息,会直接把你视为爬虫,从而过滤掉,拒绝你的访问,在这种时候就需要设置代理,我们可以给proxies属性设置一个代理的ip地址,代码如下:

 1 import requests
 2 from lxml import etree
 3 url = "https://www.ip.cn"
 4 headers = {"user-agent": "mozilla/5.0 (windows nt 10.0; win64; x64) applewebkit/537.36 (khtml, like gecko) chrome/70.0.3538.102 safari/537.36 opr/57.0.3098.116", }
 5 pro = {
 6     # 'https': 'https://118.122.92.252:37901',        #四川省成都市 电信
 7     'https': 'https://27.17.45.90:43411',         #湖北省武汉市 电信
 8 }
 9 try:
10     response = requests.get(url, headers=headers, proxies=pro)
11     html_str = response.content.decode()
12     # print(html_str)
13     html = etree.html(html_str)
14     message = html.xpath("//div[@class='well']//p/text()")
15     ip = html.xpath("//div[@class='well']//p/code/text()")
16     eng = html.xpath("//div[@class='well']/p/text()")
17     print(message[0]+ip[0])
18     print(message[1]+ip[1])
19     print(eng[2])
20 except requests.exceptions.proxyerror as e:
21     print("当前代理异常")
22 except:
23     print("当前请求异常")

在上面的代码中,调用requests库,对一个ip地址查询网页进行访问,随后使用lxml库的xpath对网页进行分析提取,返回用户访问此网页时自己的ip地址,如果代理设置成功,则会返回你的信息和ip地址,如下:

如果代理失败则会返回异常,在代码中使用了捕获异常,则会返回设置的提示信息,"当前代理异常",如果不是代理的错误则是"当前请求异常"

ps:免费的代理不是很稳定,在确认代码无误后,如果仍然返回异常,可尝试更换代理ip...