Python爬蟲設定代理IP的方法(爬蟲技巧)，python爬蟲

Python爬蟲設定代理IP的方法(爬蟲技巧)，python爬蟲

在學習Python爬蟲的時候，經常會遇見所要爬取的網站採取了反爬取技術，高強度、高效率地爬取網頁資訊常常會給網站伺服器帶來巨大壓力，所以同一個IP反覆爬取同一個網頁，就很可能被封，這裡講述一個爬蟲技巧，設定代理IP。

（一）配置環境

• 安裝requests庫
• 安裝bs4庫
• 安裝lxml庫

（二）代碼展示

# IP地址取自國內髙匿代理IP網站：http://www.xicidaili.com/nn/# 僅僅爬取首頁IP地址就足夠一般使用from bs4 import BeautifulSoupimport requestsimport randomdef get_ip_list(url, headers):  web_data = requests.get(url, headers=headers)  soup = BeautifulSoup(web_data.text, 'lxml')  ips = soup.find_all('tr')  ip_list = []  for i in range(1, len(ips)):    ip_info = ips[i]    tds = ip_info.find_all('td')    ip_list.append(tds[1].text + ':' + tds[2].text)  return ip_listdef get_random_ip(ip_list):  proxy_list = []  for ip in ip_list:    proxy_list.append('http://' + ip)  proxy_ip = random.choice(proxy_list)  proxies = {'http': proxy_ip}  return proxiesif __name__ == '__main__':  url = 'http://www.xicidaili.com/nn/'  headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36'  }  ip_list = get_ip_list(url, headers=headers)  proxies = get_random_ip(ip_list)  print(proxies)函數get_ip_list(url, headers)傳入url和headers，最後返回一個IP列表，列表的元素類似42.84.226.65:8888格式，這個列表包括國內髙匿代理IP網站首頁所有IP地址和連接埠。 

函數get_random_ip(ip_list)傳入第一個函數得到的列表，返回一個隨機的proxies，這個proxies可以傳入到requests的get方法中，這樣就可以做到每次運行都使用不同的IP訪問被爬取的網站，有效地避免了真實IP被封的風險。proxies的格式是一個字典：{‘http': ‘http://42.84.226.65:8888‘}。

（三）代理IP的使用

運行上面的代碼會得到一個隨機的proxies，把它直接傳入requests的get方法中即可。

web_data = requests.get(url, headers=headers, proxies=proxies)

總結

以上所述是小編給大家介紹的Python爬蟲設定代理IP的方法(爬蟲技巧)，希望對大家有所協助，如果大家有任何疑問歡迎給我留言，小編會及時回複大家的！