[网络协议]爬虫IP代理

我们再使用自己的电脑去爬取网页信息的时候，会发现一些网页爬取次数过多，该网页就把你的电脑IP给封了。我们就无法进入想要进入的网页，或者长时间不能进入。
使用IP代理可以解决网页封IP的问题。

1. 代理就是代理服务器。
2. 作用
   • 突破自身IP访问的限制,破解封IP这种反爬机制
   • 隐藏自身真实IP
3. 代理相关的网站：
   • 快代理
4. 代理ip的类型：
   • http：应用到http协议对应的url中
   • https：应用到https协议对应的url中

使用方法：

我们在向网页发送请求是加入代理皆可成功使用代理。

proxies ={'hhtp':'117.68.192.84'}
response = requests.get(url=url,proxies=proxies,headers=header)

代理池：是由n个代理组成的代理集合

每个IP代理一半都有次数使用限制，因此在做爬虫项目的时候需要使用大量的代理IP这个时候我们可以去，网上获取免费代理也可以去购买自己的代理IP。
而免费代理的可靠性差，耗时长，追求更好的体验则需要购买自己的代理IP。

项目举例：

import requests
from lxml import html
import os
# UA伪装
header = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'
}
url = 'https://nn.58.com/ershouche/'
# 加入代理
proxies ={'hhtp':'117.68.192.84'}
response = requests.get(url=url,proxies=proxies,headers=header)

text = response.text
# print(text)

# 实例化etree
etree = html.etree

# 将源码加进etree对象中
tree = etree.HTML(text)

div_list = tree.xpath('//div[@class="list-wrap"]/ul/li[@class="info"]')

if not os.path.exists('58img'):
    os.mkdir('./58img')

for div in div_list:
    text = div.xpath('.//div[@class="info--pics"]/img/@src')[0]
    pic_url = 'https:' + text
    resp = requests.get(url=url, headers=header)
    pic = resp.content

    fileName = text.split('/')[-1]
    pic_file = './58img/'+ fileName
    with open(pic_file,'wb') as f:
        f.write(pic)