一个还ok的IP代理池,先做给自己用着~
- python 3.7
- 异步爬取&验证代理🚀
- 用权重加减来衡量代理的可用性(可用性:通过验证则+1,否则-1)🎭
- 使用Sqlite,无需安装数据库环境🛴
- 目前支持的免费代理有: 免费代理/全网/66/西刺/快代理/云代理/IP海
-
源码下载:
git clone git@github.com:cwjokaka/ok_ip_proxy_pool.git
-
安装依赖:
pip install -r requirements.txt
# 代理爬虫配置
SPIDER = {
'crawl_interval': 120, # 爬取IP代理的间隔(秒)
'list': [ # 使用的代理爬虫(类名)
'Spider66Ip',
'SpiderQuanWangIp',
'SpiderXiciIp',
'SpiderKuaiDaiLiIp',
'SpiderYunDaiLiIp',
'SpiderIpHaiIp',
'SpiderMianFeiDaiLiIp'
]
}
# 校验器配置
VALIDATOR = {
'test_url': 'http://www.baidu.com', # 可用校验url
'request_timeout': 4, # 校验超时时间
'validate_interval': 60 # 校验间隔(秒)
}
# 匿名性校验配置
ANONYMITY_VALIDATOR = {
'http_test_url': 'http://httpbin.org/get', # 匿名校验url
'https_test_url': 'https://httpbin.org/get',
'request_timeout': 4, # 校验最大超时时间
'interval': 180 # 校验间隔(秒)
}
# 数据库配置
DB = {
'db_name': 'proxy.db',
'table_name': 'proxy'
}
# WEB配置(Flask)
WEB_SERVER = {
'host': '0.0.0.0',
'port': '8080'
}
# 爬虫请求头
HEADERS = {
"X-Requested-With": "XMLHttpRequest",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 "
"(KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36",
}
python main.py
API | method | description |
---|---|---|
/ | GET | 首页介绍 |
/get | GET | 获取一个代理 |
/get_all | GET | 获取所有代理 |
如果需要添加自定义代理爬虫,可通过以下步骤添加:
- 进入src/spider/spiders.py
- 添加自己的爬虫类,继承AbsSpider,实现它的do_crawl & get_page_range & get_urls方法,按需重写其他方法。
- 用@spider_register修饰此类
- 在配置文件setting.py的SPIDER['list']中添加此类名
欢迎Fork|Star|Issue 三连😘