______ ______ _
| ___ \_ | ___ \ | |
| |_/ / \__ __ __ _ __ _ | |_/ /___ ___ | |
| __/| _// _ \ \ \/ /| | | || __// _ \ / _ \ | |
| | | | | (_) | > < \ |_| || | | (_) | (_) || |___
\_| |_| \___/ /_/\_\ \__ |\_| \___/ \___/ \_____\
__ / /
/___ /ProxyPool
爬虫代理IP池项目,主要功能为定时采集网上发布的免费代理验证入库，定时验证入库的代理保证代理的可用性，提供API和CLI两种使用方式。同时你也可以扩展代理源以增加代理池IP的质量和数量。
文档: https://proxy-pool.readthedocs.io/zh/latest/
支持版本:
测试地址: http://demo.spiderpy.cn (勿压谢谢)
付费代理推荐: luminati-china. 国外的亮数据BrightData（以前叫luminati）被认为是代理市场领导者，覆盖全球的7200万IP，大部分是真人住宅IP，成功率扛扛的。付费套餐多种，需要高质量代理IP的可以注册后联系中文客服，开通后有5美金赠送和教程指引(PS:用不明白的同学可以参考这个使用教程)。
运行项目
下载代码:
git clone
git clone git@github.//github.com/jhao104/proxy_pool/releases 下载对应zip文件releases
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" # IPPORT = 5000 # 监听端口# 配置数据库DB_CONN = 'redis://:[email protected]:8888/0'# 配置 ProxyFetcherPROXY_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 serverDocker Image
docker pull jhao104/proxy_pooldocker run --env DB_CONN=redis://:password@ip:port/0 -p 5010:5010 jhao104/proxy_pool:latest
docker-compose
项目目录下运行:
docker-compose up -d使用
Api
启动web服务后, 默认配置下会开启 http://127.0.0.1:5010 的api接口服务:
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：
import requestsdef 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 codedef getHtml(): # ....retry_count = 5proxy = 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 htmlexcept 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。微信搜索公众号：Linux技术迷，回复：linux 领取资料 。
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@staticmethoddef 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。
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https://zhuanlan.zhihu.com/p/33576641):
(具体地址可看项目地址)
项目地址
https://github.com/jhao104/proxy_pool文章来源：Linux技术迷
注：如有侵权请联系删除
点击下方名片回复"proxy_pool"获取
如有侵权请联系:admin#unsafe.sh