- Notifications
You must be signed in to change notification settings - Fork0
scp11/proxy_pool
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
______ ______ _| ___ \_ | ___ \ | || |_/ / \__ __ __ _ __ _ | |_/ /___ ___ | || __/| _// _ \ \ \/ /| | | || __// _ \ / _ \ | || | | | | (_) | > < \ |_| || | | (_) | (_) || |___\_| |_| \___/ /_/\_\ \__ |\_| \___/ \___/ \_____\ __ / / /___ /支持版本:
测试地址:http://118.24.52.95 (单机勿压, 感谢。 恶意访问关小黑屋哦)
- 下载源码:
git clone git@github.com:jhao104/proxy_pool.git或者直接到https://github.com/jhao104/proxy_pool/releases 下载zip文件
- 安装依赖:
pip install -r requirements.txt
- 配置Config/setting.py:
# Config/setting.py 为项目配置文件# 配置DBDATABASES = {"default": {"TYPE":"SSDB",# 目前支持SSDB或REDIS数据库"HOST":"127.0.0.1",# db host"PORT": 8888,# db port，例如SSDB通常使用8888，REDIS通常默认使用6379"NAME":"proxy",# 默认配置"PASSWORD":""# db password }}# 配置 ProxyGetterPROXY_GETTER = ["freeProxy01",# 这里是启用的代理抓取函数名，可在ProxyGetter/getFreeProxy.py 扩展"freeProxy02", ....]# 配置 API服务SERVER_API = {"HOST":"0.0.0.0",# 监听ip, 0.0.0.0 监听所有IP"PORT": 5010# 监听端口}# 上面配置启动后，代理池访问地址为 http://127.0.0.1:5010
- 启动:
# 如果你的依赖已经安装完成并且具备运行条件,可以在cli目录下通过ProxyPool.py启。动# 程序分为: schedule 调度程序 和 webserver Api服务# 首先启动调度程序>>>python proxyPool.py schedule# 然后启动webApi服务>>>python proxyPool.py webserver
docker pull jhao104/proxy_pooldocker run --env db_type=REDIS --env db_host=127.0.0.1 --env db_port=6379 --env db_password=pwd_str -p 5010:5010 jhao104/proxy_pool
启动过几分钟后就能看到抓取到的代理IP，你可以直接到数据库中查看，推荐一个SSDB可视化工具。
也可以通过api访问http://127.0.0.1:5010 查看。
- Api
| api | method | Description | arg |
|---|---|---|---|
| / | GET | api介绍 | None |
| /get | GET | 随机获取一个代理 | None |
| /get_all | GET | 获取所有代理 | None |
| /get_status | GET | 查看代理数量 | None |
| /delete | GET | 删除代理 | proxy=host:ip |
- 爬虫使用
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：
importrequestsdefget_proxy():returnrequests.get("http://127.0.0.1:5010/get/").json()defdelete_proxy(proxy):requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy))# your spider codedefgetHtml():# ....retry_count=5proxy=get_proxy().get("proxy")whileretry_count>0:try:html=requests.get('https://www.example.com',proxies={"http":"http://{}".format(proxy)})# 使用代理访问returnhtmlexceptException:retry_count-=1# 出错5次, 删除代理池中代理delete_proxy(proxy)returnNone
项目默认包含几个免费的代理获取方法，但是免费的毕竟质量不好，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。
添加一个新的代理获取方法如下:
- 1、首先在GetFreeProxy类中添加你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:
classGetFreeProxy(object):# ....# 你自己的方法@staticmethoddeffreeProxyCustom():# 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 任意你喜欢的姿势都行# 假设你拿到了一个代理列表proxies= ["139.129.166.68:3128","139.129.166.61:3128", ...]forproxyinproxies:yieldproxy# 确保每个proxy都是 host:ip正确的格式就行
- 2、添加好方法后，修改Config/setting.py文件中的
PROXY_GETTER项：
在PROXY_GETTER下添加自定义的方法的名字:
PROXY_GETTER = ["freeProxy01","freeProxy02", ...."freeProxyCustom"# # 确保名字和你添加方法名字一致]
ProxySchedule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。
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):
| 厂商名称 | 状态 | 更新速度 | 可用率 | 是否被墙 | 地址 |
|---|---|---|---|---|---|
| 无忧代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 66代理 | 可用 | 更新很慢 | * | 否 | 地址 |
| 西刺代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 全网代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 训代理 | 已关闭免费代理 | * | * | 否 | 地址 |
| 快代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| 云代理 | 可用 | 几分钟一次 | * | 否 | 地址 |
| IP海 | 可用 | 几小时一次 | * | 否 | 地址 |
| 免费IP代理库 | 可用 | 快 | * | 否 | 地址 |
| 中国IP地址 | 可用 | 几分钟一次 | * | 是 | 地址 |
| Proxy List | 可用 | 几分钟一次 | * | 是 | 地址 |
| ProxyList+ | 可用 | 几分钟一次 | * | 是 | 地址 |
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。
任何问题欢迎在Issues 中反馈，如果没有账号可以去 我的博客中留言。
你的反馈会让此项目变得更加完美。
本项目仅作为基本的通用的代理池架构，不接收特有功能(当然,不限于特别好的idea)。
本项目依然不够完善，如果发现bug或有新的功能添加，请在Issues中提交bug(或新功能)描述，在确认后提交你的代码。
这里感谢以下contributor的无私奉献：
@kangnwh|@bobobo80|@halleywj|@newlyedward|@wang-ye|@gladmo|@bernieyangmh|@PythonYXY|@zuijiawoniu|@netAir|@scil|@tangrela|@highroom|@luocaodan|@vc5|@1again|@obaiyan
About
Python爬虫代理IP池(proxy pool)
Resources
License
Uh oh!
There was an error while loading.Please reload this page.
Stars
Watchers
Forks
Packages0
Languages
- Python99.5%
- Other0.5%