如何快速搭建代理IP池

作者：阿四

hello，小伙伴们，大家好，今天给大家分享的开源项目是:proxy_pool，这个开源项目是抓取个大免费代理IP网站，感兴趣的爬虫可以尝试把代码clone下载然后尝试应用一下，加油！！！

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):

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。

运行项目

下载代码:

git clone [email protected]:jhao104/proxy_pool.git

or

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”               # IP

PORT = 5000                    # 监听端口

# 配置数据库

DB_CONN = ‘redis://@127.0.0.1:8888’

# 配置 ProxyFetcher

PROXY_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 server

Docker运行

docker pull jhao104/proxy_pool

docker run –env DB_CONN=redis://:password@ip:port/db -p 5010:5010 jhao104/proxy_pool:2.1.0

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 requests

def 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 code

def getHtml():

    # ….

    retry_count = 5

    proxy = 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 html

        except 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。

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

    @staticmethod

    def 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。

以上就是这个开源项目的详细介绍了，感兴趣的小伙伴可以尝试应用一下。（也可针对自己业务做适当修改）