大佬教程收集整理的这篇文章主要介绍了Python采集网站ip代理, 检测IP代理是否可用,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
# 导入数据请求模块 import requests # 数据请求模块 第三方模块 pip install requests # 导入 正则表达式模块 import re # 内置模块 # 导入数据解析模块 import parsel # 数据解析模块 第三方模块 pip install parsel >>> 这个是scrapy框架核心组件
url = f'https://www.kuaidaili.com/free/inha/{pagE}/' # 确定请求url地址 # 用requests模块里面get 方法 对于url地址发送请求, 最后用response变量接收返回数据 response = requests.get(url)
print(response.text)
解析数据方式方法:
哪一种方面用那种, 那是喜欢用那种
正则提取数据 re.findall() 调用模块里面的方法
正则 遇事不决 .*? 可以匹配任意字符(除了换行符\n以外) re.S
ip_list = re.findall('<td data-title="IP">(.*?)</td>', response.text, re.S) port_list = re.findall('<td data-title="PORT">(.*?)</td>', response.text, re.S) print(ip_list) print(port_list)
css选择器提取数据 需要把获取下来html字符串数据(response.text) 进行转换
# #list > table > tbody > tr > td:nth-child(1) # //*[@id="list"]/table/tbody/tr/td[1] SELEctor = parsel.SELEctor(response.text) # 把html 字符串数据转成 SELEctor 对象 ip_list = SELEctor.css('#list tbody tr td:nth-child(1)::text').getall() port_list = SELEctor.css('#list tbody tr td:nth-child(2)::text').getall() print(ip_list) print(port_list)
SELEctor = parsel.SELEctor(response.text) # 把html 字符串数据转成 SELEctor 对象 ip_list = SELEctor.xpath('//*[@id="list"]/table/tbody/tr/td[1]/text()').getall() port_list = SELEctor.xpath('//*[@id="list"]/table/tbody/tr/td[2]/text()').getall()
for ip, port in zip(ip_list, port_list): # print(ip, port) proxy = ip + ':' + port proxies_Dict = { "http": "http://" + proxy, "https": "http://" + proxy, } print(proxies_Dict)
try: response = requests.get(url=url, proxies=proxies_Dict, timeout=1) if response.status_code == 200: print('当前代理IP: ', proxies_Dict, '可以使用') lis_1.append(proxies_Dict) except: print('当前代理IP: ', proxies_Dict, '请求超时, 检测不合格') print('获取的代理IP数量: ', len(lis)) print('获取可用的IP代理数量: ', len(lis_1)) print('获取可用的IP代理: ', lis_1)
以上是大佬教程为你收集整理的Python采集网站ip代理, 检测IP代理是否可用全部内容,希望文章能够帮你解决Python采集网站ip代理, 检测IP代理是否可用所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。