采集15个代理IP网站,打造免费代理IP池
采集的站点:
免费代理IP http://ip.yqie.com/ipproxy.htm
66免费代理网 http://www.66ip.cn/
89免费代理 http://www.89ip.cn/
无忧代理 http://www.data5u.com/
云代理 http://www.ip3366.net/
快代理 https://www.kuaidaili.com/free/
极速专享代理 http://www.superfastip.com/
HTTP代理IP https://www.xicidaili.com/wt/
小舒代理 http://www.xsdaili.com
西拉免费代理IP http://www.xiladaili.com/
小幻HTTP代理 https://ip.ihuan.me/
全网代理IP http://www.goubanjia.com/
飞龙代理IP http://www.feilongip.com/
采集流程
第一步:获取页面内容
第二步:解析内容获取数据
第三步:数据格式转换
采集流程定制好了之后,把他创建为抽象类 让所有站点去继承它, 子类只需要去实现抽象方法。这是一个比较典型的模板模式
基类
from abc import ABC, abstractmethod from typing import List import requests import bs4 from .model import ProxyModel class AbsFreeProxyBase(ABC): # 请求 http = requests # 初始化 def __init__(self, url, code, **kwargs): """ :param url: 请求地址 :param code: 页面编码 :param kw: 附加信息 """ self.url = url self.code = code self.kwargs = kwargs self.beautifulsoup = bs4.BeautifulSoup # 模板方法模式 # 第一步 获取页面内容 第二步 解析内容 第二步 格式化数据 def run(self) -> List[ProxyModel]: text = self.get_page_text() soup = self.beautifulsoup(text, \'lxml\') data = self.parse_text(soup) return self.to_proxy(data) # 获取页面内容 def get_page_text(self): res = AbsFreeProxyBase.http.get(self.url, **self.kwargs) if not res.ok: res.raise_for_status() return res.content.decode(self.code) # 解析内容 @abstractmethod def parse_text(self, soup: bs4.BeautifulSoup) -> List[list]: pass # 格式转换 @abstractmethod def to_proxy(self, data:List[list]) -> List[ProxyModel]: pass
如:快代理网站
from .base import AbsFreeProxyBase from typing import List from .model import ProxyModel import re \'\'\' 快代理 https://www.kuaidaili.com/free \'\'\' class WWW_KUAIDAILI_COM(AbsFreeProxyBase): # 初始化 def __init__(self, url, code=\'utf-8\', **kwargs): super().__init__(url, code, **kwargs) # 解析内容 def parse_text(self, soup) -> List[list]: """ 格式如下: IP port(端口) 匿名度 类型(HTTP/https) 位置 响应速度 最后验证时间 """ regex = re.compile(r\'<td[^>]*>([^<>]+)</td>\') rows = soup.select(\'.table-bordered tr\') result = [] for row in [str(n) for n in rows]: item = regex.findall(row) item and result.append(item) return result # 格式转换 def to_proxy(self, data: List[list]) -> List[ProxyModel]: result = [] for item in data: result.append(ProxyModel(item[3], item[0], item[1], item[2])) return result
应用实列
from website import ProxyFactory from browser.agent import useragent factory = ProxyFactory() headers = { \'user-agent\': useragent.random() } \'\'\' 66免费代理网 www = factory.create(\'http://www.66ip.cn/mo.php?sxb=&tqsl=100&port=&export=&ktip=&sxa=&submit=%CC%E1++%C8%A1&textarea=\', \'gbk\', headers=headers) \'\'\' \'\'\' 小幻HTTP代理 www = factory.create(\'https://ip.ihuan.me/\',headers = headers) \'\'\' \'\'\' 89免费代理 http://www.89ip.cn/ www = factory.create(\'http://www.89ip.cn/\',headers = headers) \'\'\' \'\'\' 无忧代理 http://www.data5u.com/ www = factory.create(\'http://www.data5u.com/\',headers = headers) \'\'\' \'\'\' http://www.goubanjia.com/ 全网代理IP www = factory.create(\'http://www.goubanjia.com/\',headers = headers) \'\'\' \'\'\' 云代理 http://www.ip3366.net/ www = factory.create(\'http://www.ip3366.net/\',\'gbk\',headers = headers) \'\'\' \'\'\' 快代理 https://www.kuaidaili.com/free \'\'\' www = factory.create(\'https://www.kuaidaili.com/free\',headers = headers) data = www.run() print(data)
百度网盘
链接:https://pan.baidu.com/s/1aNiuGpcDmgvUR2HmZKR99Q
提取码:6u82