Python爬虫设置代理IP的方法(爬虫技巧)
在学习Python爬虫的时候，经常会遇见所要爬取的网站采取了反爬取技术，高强度、高效率地爬取网页信息常常会给网站服务器带来巨大压力，所以同一个IP反复爬取同一个网页，就很可能被封，这里讲述一个爬虫技巧，设置代理IP。
（一）配置环境
- 安装requests库
- 安装bs4库
- 安装lxml库
（二）代码展示
#IP地址取自国内髙匿代理IP网站：http://www.xicidaili.com/nn/
#仅仅爬取首页IP地址就足够一般使用
frombs4importBeautifulSoup
importrequests
importrandom
defget_ip_list(url,headers):
web_data=requests.get(url,headers=headers)
soup=BeautifulSoup(web_data.text,'lxml')
ips=soup.find_all('tr')
ip_list=[]
foriinrange(1,len(ips)):
ip_info=ips[i]
tds=ip_info.find_all('td')
ip_list.append(tds[1].text+':'+tds[2].text)
returnip_list
defget_random_ip(ip_list):
proxy_list=[]
foripinip_list:
proxy_list.append('http://'+ip)
proxy_ip=random.choice(proxy_list)
proxies={'http':proxy_ip}
returnproxies
if__name__=='__main__':
url='http://www.xicidaili.com/nn/'
headers={
'User-Agent':'Mozilla/5.0(WindowsNT6.1;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/53.0.2785.143Safari/537.36'
}
ip_list=get_ip_list(url,headers=headers)
proxies=get_random_ip(ip_list)
print(proxies)函数get_ip_list(url,headers)传入url和headers，最后返回一个IP列表，列表的元素类似42.84.226.65:8888格式，这个列表包括国内髙匿代理IP网站首页所有IP地址和端口。
函数get_random_ip(ip_list)传入第一个函数得到的列表，返回一个随机的proxies，这个proxies可以传入到requests的get方法中，这样就可以做到每次运行都使用不同的IP访问被爬取的网站，有效地避免了真实IP被封的风险。proxies的格式是一个字典：{‘http':‘http://42.84.226.65:8888‘}。
（三）代理IP的使用
运行上面的代码会得到一个随机的proxies，把它直接传入requests的get方法中即可。
web_data=requests.get(url,headers=headers,proxies=proxies)
总结
以上所述是小编给大家介绍的Python爬虫设置代理IP的方法(爬虫技巧)，希望对大家有所帮助，如果大家有任何疑问欢迎给我留言，小编会及时回复大家的！