前言
就以最近發現的一個免費代理IP網站為例:http://www.xicidaili.com/nn/。在使用的時候發現很多IP都用不了。
所以用Python寫了個腳本,該腳本可以把能用的代理IP檢測出來。
腳本如下:
#encoding=utf8import urllib2from bs4 import BeautifulSoupimport urllibimport socket User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'header = {}header['User-Agent'] = User_Agent '''獲取所有代理IP地址'''def getProxyIp(): proxy = [] for i in range(1,2): try: url = 'http://www.xicidaili.com/nn/'+str(i) req = urllib2.Request(url,headers=header) res = urllib2.urlopen(req).read() soup = BeautifulSoup(res) ips = soup.findAll('tr') for x in range(1,len(ips)): ip = ips[x] tds = ip.findAll("td") ip_temp = tds[1].contents[0]+"/t"+tds[2].contents[0] proxy.append(ip_temp) except: continue return proxy '''驗證獲得的代理IP地址是否可用'''def validateIp(proxy): url = "http://ip.chinaz.com/getip.aspx" f = open("E:/ip.txt","w") socket.setdefaulttimeout(3) for i in range(0,len(proxy)): try: ip = proxy[i].strip().split("/t") proxy_host = "http://"+ip[0]+":"+ip[1] proxy_temp = {"http":proxy_host} res = urllib.urlopen(url,proxies=proxy_temp).read() f.write(proxy[i]+'/n') print proxy[i] except Exception,e: continue f.close() if __name__ == '__main__': proxy = getProxyIp() validateIp(proxy)運行成功后,打開E盤下的文件,可以看到如下可用的代理IP地址和端口:

總結
這只是爬取的第一頁的IP地址,如有需要,可以多爬取幾頁。同時,該網站是時時更新的,建議爬取時只爬取前幾頁的即可。以上就是本文的全部內容,希望對大家學習使用Python能有所幫助。
新聞熱點
疑難解答
圖片精選