【Python脚本】-Python查找可用代理IP

川长思鸟来 2022-09-25 05:27 169阅读 0赞

在用Python爬虫时，我们有时会用到IP代理。无意中发现一个免费代理IP的网站：http://www.xicidaili.com/nn/。但是，发现很多IP都用不了。故用Python写了个脚本，该脚本可以把能用的代理IP检测出来。脚本如下：

#encoding=utf8
    import urllib2
    from bs4 import BeautifulSoup
    import urllib
    import 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
    
    '''
    获取所有代理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
    	
    '''
    验证获得的代理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)

运行成功后，打开E盘下的文件，可以看到如下可用的代理IP地址和端口：

![Center][]

这只是爬取的第一页的IP地址，如有需要，可以多爬取几页。同时，该网站是时时更新的，建议爬取时只爬取前几页的即可。

[Center]: /images/20220718/49315334c92749d0952a7b5a334cf2a0.png