《惊！Python轻松实现代理IP爬取，隐蔽身份畅游网络！》 ...

利用python举行代理ip爬取

源码

1. import requests
   
2. import parsel
   
3. import time
   
4. 
   
5. pages = 4
   
6. header = {
   
7.     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.54'
   
8. }
   
9. 
   
10. # 打开文件以写入模式
    
11. with open('ip_ports.txt', 'w') as file:
    
12.     for page in range(1, pages + 1):
    
13.         print('正在爬取第{}页'.format(page))
    
14.         url = 'https://www.89ip.cn/index_{}.html'
    
15.         try:
    
16.             res = requests.get(url.format(page), headers=header, verify=False)
    
17.             res.raise_for_status()  # 检查请求是否成功
    
18.             sel = parsel.Selector(res.text)
    
19.             ip_list = sel.xpath('//tr')[1:]
    
20.             for i in ip_list:
    
21.                 ip = i.xpath('./td[1]/text()').get().strip()
    
22.                 port = i.xpath('./td[2]/text()').get().strip()
    
23.                 ip_port = f'{ip}:{port}\n'
    
24.                 print(ip_port, end='')
    
25.                 file.write(ip_port)  # 将结果写入文件
    
26.         except requests.exceptions.RequestException as e:
    
27.             print(f'请求出错: {e}')
    
28.         time.sleep(1)
    
29. 
    
30. print("爬取完成，结果已保存到ip_ports.txt文件中")

复制代码

源码讲解

这段代码是一个简单的Python爬虫程序，用于从指定的网站（https://www.89ip.cn/）抓取IP地址和端标语，并将结果保存到一个名为ip_ports.txt的文本文件中。以下是对代码的详细分析：
导入模块

1. import requests
   
2. import parsel
   
3. import time

复制代码

• requests：用于发送HTTP哀求。
  
• parsel：用于剖析HTML内容。
  
• time：用于在哀求之间添加耽误。
  

界说变量

1. pages = 4
   
2. header = {
   
3.     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.54'
   
4. }

复制代码

• pages：界说要爬取的页数，这里是4页。
  
• header：设置哀求头，模拟浏览器访问，以避免被网站屏蔽。
  

打开文件

1. with open('ip_ports.txt', 'w') as file:

复制代码

• 使用with语句打开一个名为ip_ports.txt的文件，并以写入模式（'w'）打开。这样可以确保文件在操纵完成后主动关闭。
  

循环爬取每一页

1. for page in range(1, pages + 1):
   
2.     print('正在爬取第{}页'.format(page))
   
3.     url = 'https://www.89ip.cn/index_{}.html'

复制代码

• 使用for循环遍历从1到pages（这里是4）的页码。
  
• 构造每一页的URL。
  

发送HTTP哀求

1. try:
   
2.     res = requests.get(url.format(page), headers=header, verify=False)
   
3.     res.raise_for_status()  # 检查请求是否成功

复制代码

• 使用requests.get发送GET哀求，并传递URL和哀求头。
  
• verify=False：禁用SSL证书验证（不推荐在生产情况中使用）。
  
• res.raise_for_status()：查抄哀求是否乐成，如果失败则抛出异常。
  

剖析HTML内容

1. sel = parsel.Selector(res.text)
   
2. ip_list = sel.xpath('//tr')[1:]

复制代码

• 使用parsel.Selector剖析HTML内容。
  
• 使用XPath选择器提取所有[tr]元素，并跳过第一个（通常是表头）。
  

提取IP和端口

1. for i in ip_list:
   
2.     ip = i.xpath('./td[1]/text()').get().strip()
   
3.     port = i.xpath('./td[2]/text()').get().strip()
   
4.     ip_port = f'{ip}:{port}\n'
   
5.     print(ip_port, end='')
   
6.     file.write(ip_port)  # 将结果写入文件

复制代码

• 遍历每个[tr]元素，提取第一个和第二个[td]元素的文本内容（IP和端口）。
  
• 使用strip()去除空白字符。
  
• 将IP和端口格式化为字符串，并写入文件。
  

异常处理

1. except requests.exceptions.RequestException as e:
   
2.     print(f'请求出错: {e}')

复制代码

• 捕捉并处理所有requests.exceptions.RequestException异常，打印错误信息。
  

添加耽误

1. time.sleep(1)

复制代码

• 在每次哀求后暂停1秒，以避免对目标网站造成过大压力。
  

完成提示

1. print("爬取完成，结果已保存到ip_ports.txt文件中")

复制代码

• 爬取完成后，打印提示信息。
  

总结

这段代码实现了一个简单的网页爬虫，用于从指定网站抓取IP地址和端标语，并将结果保存到本地文件中。通过使用requests库发送HTTP哀求，parsel库剖析HTML内容，并添加适当的耽误和异常处理，确保了爬虫的稳固性和可靠性。
代码安全性及意图

这段代码的意图是编写一个网络爬虫程序，用于从一个提供IP地址和端标语的网站（在这个例子中是https://www.89ip.cn/）抓取数据。爬虫程序的目标是主动访问网页，提取所需的信息（这里是IP地址和端标语），然后将这些信息保存到一个文本文件中，以便后续使用。
详细来说，这段代码的意图包罗：

• 主动化数据抓取：通过编写脚本主动访问网页并提取数据，而不是手动复制粘贴。
  
• 数据存储：将抓取到的IP地址和端标语保存到一个文本文件中，方便后续的数据处理或使用。
  
• 模拟浏览器行为：通过设置User-Agent哀求头，模拟浏览器访问，以避免被网站的反爬虫机制屏蔽。
  
• 错误处理：使用异常处理机制来捕捉和处理网络哀求中可能出现的错误，如连接失败、超时等。
  
• 服从爬虫礼仪：通过在每次哀求之间添加1秒的耽误，避免对目标网站造成过大的访问压力，这是一种服从网络爬虫礼仪的做法。
  
• 灵活性：通过界说变量pages来控制要爬取的页数，使得程序可以根据需要轻松地调整抓取的范围。
  
• 可读性和维护性：代码结构清晰，解释和打印语句有助于明确程序的执行流程和状态。
  

总的来说，这段代码的目标是实现一个简单、有用的网络爬虫，用于主动化地从特定网站抓取IP地址和端标语，并将这些数据保存到本地文件中。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。