首页 > 数字 > 正文

免费http代理ip提取(收集网站)

2023-01-03 11:13:41来源:互联网  


(资料图片)

如今,需要使用代理IP的地方有很多,例如网络投票、大数据分析、人工智能等领域。那么如何获取代理IP呢?很多人想到了免费代理IP,免费不用钱,岂不美哉。虽然个人不太建议使用免费代理IP,但还是给大家分享下思路方法。

一、收集网站

想要获取免费代理IP,首先得收集一些有免费代理IP的网站,然后编写代码去批量获取网站上的免费代理IP。这里就不说有哪些网站呢,自己去百度一搜,大把的有。

二、分析网站

收集到网站后,对含有免费代理IP的网页进行分析,比如总共有多少页,想要的数据是在哪里,要怎么来获取。

三、编写代码

分析完网站后,就可以开始编写代码了,这里贴出代码,仅供参考。

import requestsimport csvimport pandas as pdfrom fake_useragent import UserAgentimport time#获取含有免费代理IP的所有页面urldef get_pageUrls(startUrl,endUrl,pageCount):    page_url_list = []# range 从1开始,所以pageCount+1,左闭右开    for i in range(1,pageCount+1):        #页面URL一般由三部分组成,前半部分url+第几页+后半部分url,    #有的页面URL最后以页数结尾,没有后半部分,那么endUrl设置为空字符串即可            page_url = startUrl + str(i) + endUrl        page_url_list.append(page_url)    return page_url_list#请求所有免费代理IP的页面url,获取免费代理IPdef get_content(page_url_list):    ua =UserAgent()    data_list = []    for page_url in page_url_list:        try:            resp = requests.get(page_url, headers={"User-Agent": ua.random})          #如果免费代理IP是放在表格里,可以直接使用 pandas来获取,比较简单,          #若不是,则需要用BeautifulSoup,或者xpath,或正则表达式来提取            datas = pd.read_html(resp.text)            # print(datas)            data_list.append(datas)            time.sleep(2)                    except:            print("错误的请求URL:"+page_url)    # print(data_list)    return data_list# 将获取到的免费代理IP保存到本地的Excel表格里,留待后用,也可以保存到TXT文本,或数据库里def save_csv(data_list,save_path):    for datas in data_list:        for data in datas:            # print(data)            data.to_csv(sava_path,mode="a",encoding="utf-8",header=1,index=0)if __name__ == "__main__":    #前半部分url    startUrl = "https://*******/free/inha/"   #页数    pageCount = 4   #若页面URL最后是以页数结尾,后半部分url设置为空字符串    endUrl = ""     #文件保存路径    save_path = r"D:3.xlsx"    page_url_list = get_pageUrls(startUrl,endUrl,pageCount)    data_list = get_content(page_url_list)    save_csv(data_list,save_path)

也许代码不够完善,不当之处欢迎指正,希望和大家一起交流。

标签:

相关阅读

相关词

推荐阅读