为什么使用ip代理

我们写爬虫程序，爬多了或者请求爬取数据快了，服务器就会拒绝访问，同时一个IP多次快速请求，网站会把你IP封掉，这时候要么等一段时间，要么换IP。

基本思路

1.数据来源分析
找我们想要数据内容, 从哪里来的

2.发送请求
对于目标网址发送请求 https://www.kuaidaili.com/free/

3.获取数据
获取服务器返回响应数据(网页源代码)

4.解析数据
提取我们想要的数据内容

5.保存数据
爬音乐视频本地csv 数据库… IP检测, 检测IP代理是否可用可用用IP代理保存

代码展示

模块拓展

requests 是数据请求模块，属于第三方模块，安装方法 pip install requests

re 是正则表达式模块，属于内置模块，不需要安装；

parsel 是数据解析模块，属于第三方模块，这个是scrapy框架核心组件，安装方法 pip install parsel

from 从
import 导入
从什么模块里面导入什么方法
from xxx import * 导入所有方法

全部代码

import requests  
import re  
import parsel  

flis = []
lis_1 = []

for page in range(11, 21):
    url = f'https://www.kuaidaili.com/free/inha/{page}/'  # 确定请求url地址

    # 用requests模块里面get 方法 对于url地址发送请求, 最后用response变量接收返回数据
    response = requests.get(url)

    # xpath 提取数据
    selector = parsel.Selector(response.text) # 把html 字符串数据转成 selector 对象
    ip_list = selector.xpath('//*[@id="list"]/table/tbody/tr/td[1]/text()').getall()
    port_list = selector.xpath('//*[@id="list"]/table/tbody/tr/td[2]/text()').getall()

    for ip, port in zip(ip_list, port_list):

        proxy = ip + ':' + port
        proxies_dict = {
            "http": "http://" + proxy,
            "https": "http://" + proxy,
        }

        lis.append(proxies_dict)

        try:
            response = requests.get(url=url, proxies=proxies_dict, timeout=1)
            if response.status_code == 200:
                print('当前代理IP: ', proxies_dict,  '可以使用')
                lis_1.append(proxies_dict)
        except:
            print('当前代理IP: ', proxies_dict,  '请求超时, 检测不合格')

print('获取的代理IP数量: ', len(lis))
print('获取可用的IP代理数量: ', len(lis_1))
print('获取可用的IP代理: ', lis_1)

dit = {
    'http': 'http://110.189.152.86:40698',
    'https': 'http://110.189.152.86:40698'
}