GitHub: ProxyPool 爬虫代理 IP 池

hello，小伙伴们，大家好，今天给大家分享的开源项目是:proxy_pool，这个开源项目是抓取个大免费代理 IP 网站，感兴趣的爬虫可以尝试把代码clone下载然后尝试应用一下，加油！！！

______ ______ _ | ___ \_ | ___ \ | | | |_/ / \__ __ __ _ __ _ | |_/ /___ ___ | | | __/| _// _ \ \ \/ /| | | || __// _ \ / _ \ | | | | | | | (_) | > < \ |_| || | | (_) | (_) || |___ \_| |_| \___/ /_/\_\ \__ |\_| \___/ \___/ \_____\ __ / / /___ / 

免费代理源

目前实现的采集免费代理网站有(排名不分先后, 下面仅是对其发布的免费代理情况, 付费代理测评可以参考这里):

如果还有其他好的免费代理网站, 可以在提交在issues, 下次更新时会考虑在项目中支持。

运行项目

下载代码:

git clone [email protected]:jhao104/proxy_pool.git 

or

https://github.com/jhao104/proxy_pool/releases 下载对应 zip 文件 

安装依赖:

pip install -r requirements.txt 

更新配置:

# setting.py 为项目配置文件 # 配置 API 服务 HOST = "0.0.0.0" # IP PORT = 5000 # 监听端口 # 配置数据库 DB_COnN= 'redis://@127.0.0.1:8888' # 配置 ProxyFetcher PROXY_FETCHER = [ "freeProxy01", # 这里是启用的代理抓取方法名，所有 fetch 方法位于 fetcher/proxyFetcher.py "freeProxy02", # .... ] 

启动项目:

# 如果已经具备运行条件, 可用通过 proxyPool.py 启动。 # 程序分为: schedule 调度程序 和 server Api 服务 # 启动调度程序 python proxyPool.py schedule # 启动 webApi 服务 python proxyPool.py server 

Docker 运行

docker pull jhao104/proxy_pool docker run --env DB_COnN=redis://:password@ip:port/db -p 5010:5010 jhao104/proxy_pool:2.1.0 

使用

如果要在爬虫代码中使用的话， 可以将此 api 封装成函数直接使用，例如：

import requests def get_proxy(): return requests.get("http://127.0.0.1:5010/get/").json() def delete_proxy(proxy): requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy)) # your spider code def getHtml(): # .... retry_count = 5 proxy = get_proxy().get("proxy") while retry_count > 0: try: html = requests.get('http://www.example.com', proxies={"http": "http://{}".format(proxy)}) # 使用代理访问 return html except Exception: retry_count -= 1 # 删除代理池中代理 delete_proxy(proxy) return None 

扩展代理

项目默认包含几个免费的代理获取源，但是免费的毕竟质量有限，所以如果直接运行可能拿到的代理质量不理想。所以，提供了代理获取的扩展方法。

添加一个新的代理源方法如下: 1 、首先在 ProxyFetcher 类中添加自定义的获取代理的静态方法， 该方法需要以生成器(yield)形式返回 host:ip 格式的代理，例如:

class ProxyFetcher(object): # .... # 自定义代理源获取方法 @staticmethod def freeProxyCustom1(): # 命名不和已有重复即可 # 通过某网站或者某接口或某数据库获取代理 # 假设你已经拿到了一个代理列表 proxies = ["x.x.x.x:3128", "x.x.x.x:80"] for proxy in proxies: yield proxy # 确保每个 proxy 都是 host:ip 正确的格式返回 

2 、添加好方法后，修改 setting.py 文件中的 PROXY_FETCHER 项： 　在 PROXY_FETCHER 下添加自定义方法的名字:

PROXY_FETCHER = [ "freeProxy01", "freeProxy02", # .... "freeProxyCustom1" # # 确保名字和你添加方法名字一致 ] 

schedule 进程会每隔一段时间抓取一次代理，下次抓取时会自动识别调用你定义的方法。

以上就是这个开源项目的详细介绍了，感兴趣的小伙伴可以尝试应用一下。

开源地址： https://github.com/jhao104/proxy_pool

今天的推荐不知道大家喜欢吗？如果你们喜欢话，请在文章底部留言或点赞，以表示对我的支持，你们的留言，点赞，转发关注是我持续更新的动力哦！

关注公众号回复："1024"，免费领取一大波学习资源，先到先得哦！