Python爬虫使用代理proxy抓取网页

当前位置:

首页 > Python基础教程 >

Python爬虫使用代理proxy抓取网页

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 = 500)

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:

1

2

3

4

5

6

7

						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。

1

2

3

4

5

6

						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:

1

2

3

						proxies = {

						    "http": "http://user:pass@127.0.0.1:3128/",

						}

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，有问题欢迎留言提问

栏目列表

首页 > Python基础教程 >

Python爬虫使用代理proxy抓取网页

urllib 模块使用代理

requests 模块 使用代理

requests 模块使用代理