IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 网络协议 -> scrapy设置代理ip(精简版) -> 正文阅读

[网络协议]scrapy设置代理ip(精简版)

在middlewares.py文件中,添加下面的代码。

import scrapy
from scrapy import signals
import random
class ProxyMiddleware(object):
    def process_request(self, request, spider):
        #ip = random.choice(self.ip)
        request.meta['Proxy'] = "http://"+"58.246.58.150:9002"

将我们自定义的类添加到下载器中间件设置setting.py中,如下:

DOWNLOADER_MIDDLEWARES = {
    'myproject.middlewares.ProxyMiddleware': 543,
}

我们在spider.py文件中写入下面的代码,里边的代理ip可以自定义:

import scrapy
from test1.items import Scrapydemo9Item

class BoleSpider(scrapy.Spider):
    name = 'phone'
    #allowed_domains = ['www.jihaoba.com']
    allowed_domains = []

    def start_requests(self):
        url = 'http://www.whatismyip.com.tw/'
        for i in range(4):
            yield scrapy.Request(url=url, callback=self.parse, dont_filter=True)

    def parse(self,response):
        print(response.text)

这里是从ip池调度代理ip的方法:

class ProxyMiddleware(object):

#    def __init__(self, ip):
#        self.ip = "58.246.58.150:9002"

#    @classmethod
#    def from_crawler(cls, crawler):
#        return cls(ip=crawler.settings.get('PROXIES'))
#        pass
    user_agents = [
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36 OPR/26.0.1656.60",
        "Opera/8.0 (Windows NT 5.1; U; en)",
        "Mozilla/5.0 (Windows NT 5.1; U; en; rv:1.8.1) Gecko/20061208 Firefox/2.0.0 Opera 9.50",
        "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; en) Opera 9.50",
        # Firefox
        "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:34.0) Gecko/20100101 Firefox/34.0",
        "Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10",
        # Safari
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.57.2 (KHTML, like Gecko) Version/5.1.7 Safari/534.57.2",
        # chrome
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36",
        "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",
        "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.133 Safari/534.16"
    ]
    #获取代理的函数
    def getIp(self):
        a=requests.get("http://127.0.0.1:5010/count/").json().get("count").get("total")
        print("数量")
        print(a)
        b=[]
        for i in range(a):
            IP=requests.get("http://127.0.0.1:5010/get/").json().get("proxy")
            b.append(IP)
        d=[]
        e=len(b)-1
        while e > 0:
            e-=1
            c=b[e]
            thisProxy={
                "http":"http://{}".format(c),
                "https":"https://{}".format(c)
            }
            print(thisProxy)
            try:
                thisIP = "".join(c.split(":")[0:1])
                res = requests.get(url="http://httpbin.org/get?show_env=1",timeout=60,proxies=thisProxy)
                print("这里是可用的")
                f=res.text
                fdict=json.loads(f)
                count=fdict['origin']
                if count==thisIP:
                    print(count)
                    d.append(c)
                else:
                    requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(c))
            except Exception:
                print(c+"这个是要删除的")
                requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(c))           
        return d
    def process_request(self, request, spider):
        #ip = random.choice(self.ip)
        a=self.getIp()
        b=random.randint(0,len(a)-1)
        print(b)
        request.meta['Proxy'] = "http://"+a[b]
        #request.headers['User-Agent'] = random.choice(self.user_agents)
        request.headers['User-Agent']='Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36'

  网络协议 最新文章
使用Easyswoole 搭建简单的Websoket服务
常见的数据通信方式有哪些?
Openssl 1024bit RSA算法---公私钥获取和处
HTTPS协议的密钥交换流程
《小白WEB安全入门》03. 漏洞篇
HttpRunner4.x 安装与使用
2021-07-04
手写RPC学习笔记
K8S高可用版本部署
mySQL计算IP地址范围
上一篇文章      下一篇文章      查看所有文章
加:2022-03-17 22:35:21  更:2022-03-17 22:35:50 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/26 5:46:55-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码