proxy_pool

爬虫IP代理池

介绍文档

• 支持版本

• 测试地址: http://123.207.35.36:5010 单机勿压测。谢谢

下载安装

• 下载源码:

  git clone git@github.com:jhao104/proxy_pool.git
  
  或者直接到https://github.com/jhao104/proxy_pool 下载zip文件
  

• 安装依赖:

  pip install -r requirements.txt
  

• 配置Config.ini:

  # Config.ini 为项目配置文件
  # 配置DB
  type = SSDB       # 如果使用SSDB或redis数据库，均配置为SSDB
  host = localhost  # db host
  port = 8888       # db port
  name = proxy      # 默认配置
  
  # 配置 ProxyGetter
  freeProxyFirst  = 1  # 这里是启动的抓取函数，可在ProxyGetter/getFreeProxy.py 扩展
  freeProxySecond = 1
  ....
  
  # 配置 HOST (api服务)
  ip = 127.0.0.1       # 监听ip,0.0.0.0开启外网访问
  port = 5010          # 监听端口
  # 上面配置启动后，代理api地址为 http://127.0.0.1:5010
  
  

• 启动:

  # 如果你的依赖已经安全完成并且具备运行条件,可以直接在Run下运行main.py
  # 到Run目录下:
  >>>python main.py
  
  # 如果运行成功你应该看到有4个main.py进程
  
  # 你也可以分别运行他们,
  # 依次到Api下启动ProxyApi.py,Schedule下启动ProxyRefreshSchedule.py和ProxyValidSchedule.py即可.
  

使用

启动过几分钟后就能看到抓取到的代理IP，你可以直接到数据库中查看，推荐一个SSDB可视化工具。

也可以通过api访问http://127.0.0.1:5010 查看。

• Api

api	method	Description	arg
/	GET	api介绍	None
/get	GET	随机获取一个代理	None
/get_all	GET	获取所有代理	None
/get_status	GET	查看代理数量	None
/delete	GET	删除代理	proxy=host:ip

• 爬虫使用

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/").content

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()
    while retry_count > 0:
        try:
            html = requests.get('https://www.example.com', proxies={"http": "http://{}".format(proxy)})
            # 使用代理访问
            return html
        except Exception:
            retry_count -= 1
    # 出错5次, 删除代理池中代理
    delete_proxy(proxy)
    return None

问题反馈

任何问题欢迎在Issues 中反馈，如果没有账号可以去 我的博客中留言。

你的反馈会让此项目变得更加完美。

贡献代码

本项目仅作为基本的通用的代理池架构，不接收特有功能(当然,不限于特别好的idea)。

本项目依然不够完善，如果发现bug或有新的功能添加，请在Issues中提交bug(或新功能)描述，在确认后提交你的代码。

这里感谢以下contributor的无私奉献：

　　@kangnwh| @bobobo80| @halleywj| @newlyedward| @wang-ye| @gladmo| @bernieyangmh| @PythonYXY| @zuijiawoniu