利用Python爬取可用的代理IP

前言

就以最近发现的一个免费代理IP网站为例：http://www.xicidaili.com/nn/。在使用的时候发现很多IP都用不了。

所以用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：

总结

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。以上就是本文的全部内容，希望对大家学习使用Python能有所帮助。