014-活该你爬虫被封之Scrapy Ip代理中间件

栏目: 编程工具 · 发布时间: 6年前

内容简介：这是坚持技术写作计划（含翻译）的第14篇，定个小目标999，每周最少2篇。背景: 房租到期了。需求: 找到便宜，交通便利的房源，了解当前租房行情，便于砍价。

这是坚持技术写作计划（含翻译）的第14篇，定个小目标999，每周最少2篇。

背景: 房租到期了。

需求: 找到便宜，交通便利的房源，了解当前租房行情，便于砍价。

在爬取58，赶集，链家，安居客的数据时，被封是常事，基于此，fork并修改了两个库。用于抓取免费代理ip，用于支持爬取租房数据。

注意：租房网站的数据，大概率失真，仅做参考。

其中部分数据截图

本文只介绍Scrapy的ip代理中间件，不多讲如何爬取租房网站数据以及数据分析，后边可能会写。

获取代理ip

如果有付费的代理ip更好，如果没有的话，可以用我构建的 docker 镜像

docker run -p8765:8765 -d anjia0532/ipproxy-dockerfile

稍等2-5分钟，访问 http://${docker ip}:8765/ ,如果有值，则抓取代理ip成功。

scrapy-proxies-tool

安装

pip install scrapy-proxies-tool

配置

修改 Scrapy settings.py，源 repo 只支持从文件读取代理ip

# Retry many times since proxies often fail
RETRY_TIMES = 10
# Retry on most error codes since proxies fail for different reasons
RETRY_HTTP_CODES = [500, 503, 504, 400, 403, 404, 408]

DOWNLOADER_MIDDLEWARES = {
  'scrapy.downloadermiddlewares.retry.RetryMiddleware': 90,
  'scrapy_proxies.RandomProxy': 100,
  'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 110,
}

PROXY_SETTINGS = {
  # Proxy list containing entries like
  # http://host1:port
  # http://username:password@host2:port
  # http://host3:port
  # ...
  # if PROXY_SETTINGS[from_proxies_server] = True , proxy_list is server address (ref https://github.com/qiyeboy/IPProxyPool and https://github.com/awolfly9/IPProxyTool )
  # Only support http(ref https://github.com/qiyeboy/IPProxyPool#%E5%8F%82%E6%95%B0)
  # list : ['http://localhost:8765?protocol=0'],
  'list':['/path/to/proxy/list.txt'],

  # disable proxy settings and  use real ip when all proxies are unusable
  'use_real_when_empty':False,
  'from_proxies_server':False,

  # If proxy mode is 2 uncomment this sentence :
  # 'custom_proxy': "http://host1:port",

  # Proxy mode
  # 0 = Every requests have different proxy
  # 1 = Take only one proxy from the list and assign it to every requests
  # 2 = Put a custom proxy to use in the settings
  'mode':0
}

可以通过爬取 http://myip.ipip.net/ 来判断代理ip是否生效。

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。

码农书籍

Python 3学习笔记（上卷）

雨痕 / 电子工业出版社 / 2018-1 / 89

经过9 年的发展，Python 3 生态已相当成熟。无论是语言进化、解释器性能提升，还是第三方支持，都是如此。随着Python 2.7 EOF 日趋临近，迁移到Python 3 的各种障碍也被逐一剔除。是时候在新环境下学习或工作了。人们常说Python 简单易学，但这是以封装和隐藏复杂体系为代价的。仅阅读语言规范很难深入，亦无从发挥其应有能力，易学难精才是常态。《Python 3学习笔记（......一起来看看《Python 3学习笔记（上卷）》这本书的介绍吧!

码农工具