注册
登录
提问时间:2018/12/19 15:47:07    楼主:未知网友   阅读量:191

我们在做爬虫的过程中经常会遇到这样的情况:最初爬虫正常运行,正常抓取数据,一切看起来都是那么的美好,然而一杯茶的功夫可能就会出现错误,比如403 Forbidden;出现这样的原因往往是网站采取了一些反爬虫的措施,比如,服务器会检测某个IP在单位时间内的请求次数,如果超过了某个阈值,那么服务器会直接拒绝服务,返回一些错误信息。这时候,代理IP就派上用场了。

很多新手朋友可能对如何使用代理IP不太了解,就拿当下最流行的爬虫语言Python来说吧。

一、urllib代理设置:

from urllib.error import URLError

from urllib.request import ProxyHandler,build_opener

proxy='123.58.10.36:8080'  #使用本地代理

#proxy='username:password@123.58.10.36:8080'  #购买代理

proxy_handler=ProxyHandler({

    'http':'http://'+proxy,

    'https':'https://'+proxy

})

opener=build_opener(proxy_handler)

try:

    response=opener.open('http://httpbin.org/get') #测试ip的网址

    print(response.read().decode('utf-8'))

except URLError as e:

    print(e.reason)


二、requests代理设置:

import requests

proxy='123.58.10.36:8080'  #本地代理

#proxy='username:password@123.58.10.36:8080'

proxies={

    'http':'http://'+proxy,

    'https':'https://'+proxy

}

try:

    response=requests.get('http://httpbin.org/get',proxies=proxies)

    print(response.text)

except requests.exceptions.ConnectionError as e:

    print('错误:',e.args)

三、Selenium代理设置:

from selenium import webdriver

proxy='123.58.10.36:8080'

chrome_options=webdriver.ChromeOptions()

chrome_options.add_argument('--proxy-server=http://'+proxy)

browser=webdriver.Chrome(chrome_options=chrome_options)

browser.get('http://httpbin.org/get')