Python开发中爬虫使用代理proxy抓取网页的方法示例


            本文实例讲述了Python开发中爬虫使用代理proxy抓取网页的方法。分享给大家供大家参考，具体如下：

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".





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 = 120)







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:





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







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







若你的代理需要使用HTTP Basic Auth，可以使用 http://user:password@host/ 语法:





proxies = {

  "http": "http://user:pass@127.0.0.1:3309/",

}







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。

更多关于Python相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。