国产99久久精品_欧美日本韩国一区二区_激情小说综合网_欧美一级二级视频_午夜av电影_日本久久精品视频

最新文章專題視頻專題問答1問答10問答100問答1000問答2000關鍵字專題1關鍵字專題50關鍵字專題500關鍵字專題1500TAG最新視頻文章推薦1 推薦3 推薦5 推薦7 推薦9 推薦11 推薦13 推薦15 推薦17 推薦19 推薦21 推薦23 推薦25 推薦27 推薦29 推薦31 推薦33 推薦35 推薦37視頻文章20視頻文章30視頻文章40視頻文章50視頻文章60 視頻文章70視頻文章80視頻文章90視頻文章100視頻文章120視頻文章140 視頻2關鍵字專題關鍵字專題tag2tag3文章專題文章專題2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章專題3
問答文章1 問答文章501 問答文章1001 問答文章1501 問答文章2001 問答文章2501 問答文章3001 問答文章3501 問答文章4001 問答文章4501 問答文章5001 問答文章5501 問答文章6001 問答文章6501 問答文章7001 問答文章7501 問答文章8001 問答文章8501 問答文章9001 問答文章9501
當前位置: 首頁 - 科技 - 知識百科 - 正文

嘗試使用Python多線程抓取代理服務器IP地址的示例

來源:懂視網 責編:小采 時間:2020-11-27 14:42:01
文檔

嘗試使用Python多線程抓取代理服務器IP地址的示例

嘗試使用Python多線程抓取代理服務器IP地址的示例:這里以抓取 http://www.proxy.com.ru 站點的代理服務器為例,代碼如下: #!/usr/bin/env python #coding:utf-8 import urllib2 import re import threading import time import MySQLdb rawProxyList =
推薦度:
導讀嘗試使用Python多線程抓取代理服務器IP地址的示例:這里以抓取 http://www.proxy.com.ru 站點的代理服務器為例,代碼如下: #!/usr/bin/env python #coding:utf-8 import urllib2 import re import threading import time import MySQLdb rawProxyList =

這里以抓取 http://www.proxy.com.ru 站點的代理服務器為例,代碼如下:

#!/usr/bin/env python
#coding:utf-8
import urllib2
import re
import threading
import time
import MySQLdb
rawProxyList = []
checkedProxyList = []
#抓取代理網站
targets = []
for i in xrange(1,42):
 target = r"http://www.proxy.com.ru/list_%d.html" % i
 targets.append(target)
#抓取代理服務器正則
p = re.compile(r'''(d+)(.+?)(d+)(.+?)(.+?)''')
#獲取代理的類
class ProxyGet(threading.Thread):
 def __init__(self,target):
 threading.Thread.__init__(self)
 self.target = target
 def getProxy(self):
 print "代理服務器目標網站: " + self.target
 req = urllib2.urlopen(self.target)
 result = req.read()
 #print chardet.detect(result)
 matchs = p.findall(result)
# print matchs
 for row in matchs:
 ip=row[1]
 port =row[2]
 addr = row[4].decode("cp936").encode("utf-8")
 proxy = [ip,port,addr]
 print proxy
 rawProxyList.append(proxy)
 def run(self):
 self.getProxy()
#檢驗代理的類
class ProxyCheck(threading.Thread):
 def __init__(self,proxyList):
 threading.Thread.__init__(self)
 self.proxyList = proxyList
 self.timeout = 5
 self.testUrl = "http://www.baidu.com/"
 self.testStr = "030173"
 def checkProxy(self):
 cookies = urllib2.HTTPCookieProcessor()
 for proxy in self.proxyList:
 proxyHandler = urllib2.ProxyHandler({"http" : r'http://%s:%s' %(proxy[0],proxy[1])})
 #print r'http://%s:%s' %(proxy[0],proxy[1])
 opener = urllib2.build_opener(cookies,proxyHandler)
 opener.addheaders = [('User-agent', 'Mozilla/5.0 (Windows NT 6.2; WOW64; rv:22.0) Gecko/20100101 Firefox/22.0')]
 #urllib2.install_opener(opener)
 t1 = time.time()
 try:
 #req = urllib2.urlopen("http://www.baidu.com", timeout=self.timeout)
 req = opener.open(self.testUrl, timeout=self.timeout)
 #print "urlopen is ok...."
 result = req.read()
 #print "read html...."
 timeused = time.time() - t1
 pos = result.find(self.testStr)
 #print "pos is %s" %pos
 if pos > 1:
 checkedProxyList.append((proxy[0],proxy[1],proxy[2],timeused))
 #print "ok ip: %s %s %s %s" %(proxy[0],proxy[1],proxy[2],timeused)
 else:
 continue
 except Exception,e:
 #print e.message
 continue
 def run(self):
 self.checkProxy()
if __name__ == "__main__":
 getThreads = []
 checkThreads = []
#對每個目標網站開啟一個線程負責抓取代理
for i in range(len(targets)):
 t = ProxyGet(targets[i])
 getThreads.append(t)
for i in range(len(getThreads)):
 getThreads[i].start()
for i in range(len(getThreads)):
 getThreads[i].join()
print '.'*10+"總共抓取了%s個代理" %len(rawProxyList) +'.'*10
#開啟20個線程負責校驗,將抓取到的代理分成20份,每個線程校驗一份
for i in range(20):
 t = ProxyCheck(rawProxyList[((len(rawProxyList)+19)/20) * i:((len(rawProxyList)+19)/20) * (i+1)])
 checkThreads.append(t)
for i in range(len(checkThreads)):
 checkThreads[i].start()
for i in range(len(checkThreads)):
 checkThreads[i].join()
print '.'*10+"總共有%s個代理通過校驗" %len(checkedProxyList) +'.'*10
#插入數據庫,表結構自己創建,四個字段ip,port,speed,address
def db_insert(insert_list):
 try:
 conn = MySQLdb.connect(host="localhost", user="root", passwd="admin",db="m_common",charset='utf8')
 cursor = conn.cursor()
 cursor.execute('delete from proxy')
 cursor.execute('alter table proxy AUTO_INCREMENT=1')
 cursor.executemany("INSERT INTO proxy(ip,port,speed,address) VALUES (%s,%s,%s,%s)",insert_list)
 conn.commit()
 cursor.close()
 conn.close()
 except MySQLdb.Error,e:
 print "Mysql Error %d: %s" % (e.args[0], e.args[1])
#代理排序持久化
proxy_ok = []
f= open("proxy_list.txt",'w+')
for proxy in sorted(checkedProxyList,cmp=lambda x,y:cmp(x[3],y[3])):
 if proxy[3] < 8:
 #print "checked proxy is: %s:%s	%s	%s" %(proxy[0],proxy[1],proxy[2],proxy[3])
 proxy_ok.append((proxy[0],proxy[1],proxy[3],proxy[2]))
 f.write("%s:%s	%s	%s
"%(proxy[0],proxy[1],proxy[2],proxy[3]))
f.close()
db_insert(proxy_ok)

測試:

python proxy.py

結果如下:

['61.58.94.179', '8088', 'xe5x8fxb0xe6xb9xbexe7x9cx81 xe5x8fxb0xe6xb9xbexe5xaexbdxe9xa2x91xe9x80x9axe8xaexafxe9xa1xbexe9x97xaexe8x82xa1xe4xbbxbdxe6x9cx89xe9x99x90xe5x85xacxe5x8fxb8']
['200.84.116.99', '9064', 'xe5xa7x94xe5x86x85xe7x91x9exe6x8bx89 ']
['183.223.204.8', '8123', 'xe5x9bx9bxe5xb7x9dxe7x9cx81xe8x87xaaxe8xb4xa1xe5xb8x82 xe7xa7xbbxe5x8axa8']
..........總共抓取了1921個代理..........
..........總共有524個代理通過校驗..........
# more proxy_list.txt
202.106.169.142:80 北京市 聯通ADSL 0.291432857513
111.13.136.59:80 北京市 移動 0.297957897186
111.13.136.56:80 北京市 移動 0.373070955276
111.206.81.248:80 北京市 聯通 0.403017997742
111.13.136.58:80 北京市 移動 0.414332151413
124.202.217.134:8118 北京市 電信通 0.416817903519
124.202.183.218:8118 北京市 電信通 0.426618099213
120.132.71.232:80 北京市 聯通 0.440200090408
61.232.6.164:8081 北京市 鐵通 0.469615936279
118.144.96.253:80 北京市 電信通 0.485229969025
203.192.10.66:80 北京市 新華社 0.51485991478
124.202.182.22:8118 北京市 電信通 0.553130865097

數據庫:

mysql> select * from m_common.proxy limit 10;

+----------+-----------------+------+----------+----------------------+---------------------+
| proxy_id | ip | port | speed | address | create_time |
+----------+-----------------+------+----------+----------------------+---------------------+
| 1 | 202.106.169.142 | 80 | 0.291433 | 北京市 聯通ADSL | 2015-02-26 11:29:24 |
| 2 | 111.13.136.59 | 80 | 0.297958 | 北京市 移動 | 2015-02-26 11:29:24 |
| 3 | 111.13.136.56 | 80 | 0.373071 | 北京市 移動 | 2015-02-26 11:29:24 |
| 4 | 111.206.81.248 | 80 | 0.403018 | 北京市 聯通 | 2015-02-26 11:29:24 |
| 5 | 111.13.136.58 | 80 | 0.414332 | 北京市 移動 | 2015-02-26 11:29:24 |
| 6 | 124.202.217.134 | 8118 | 0.416818 | 北京市 電信通 | 2015-02-26 11:29:24 |
| 7 | 124.202.183.218 | 8118 | 0.426618 | 北京市 電信通 | 2015-02-26 11:29:24 |
| 8 | 120.132.71.232 | 80 | 0.4402 | 北京市 聯通 | 2015-02-26 11:29:24 |
| 9 | 61.232.6.164 | 8081 | 0.469616 | 北京市 鐵通 | 2015-02-26 11:29:24 |
| 10 | 118.144.96.253 | 80 | 0.48523 | 北京市 電信通 | 2015-02-26 11:29:24 |
+----------+-----------------+------+----------+----------------------+---------------------+
10 rows in set (0.00 sec)

聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com

文檔

嘗試使用Python多線程抓取代理服務器IP地址的示例

嘗試使用Python多線程抓取代理服務器IP地址的示例:這里以抓取 http://www.proxy.com.ru 站點的代理服務器為例,代碼如下: #!/usr/bin/env python #coding:utf-8 import urllib2 import re import threading import time import MySQLdb rawProxyList =
推薦度:
標簽: ip python 抓取
  • 熱門焦點

最新推薦

猜你喜歡

熱門推薦

專題
Top
主站蜘蛛池模板: 国产日产欧美精品一区二区三区 | 欧美中出 | 亚洲欧美国产精品专区久久 | 一级一级特黄女人精品毛片视频 | 亚洲精品毛片久久久久久久 | 国产精品免费看 | 欧美成人精品第一区二区三区 | 亚洲图片欧美在线 | 精品国产免费人成在线观看 | 久久久久久久国产高清 | 成人a免费视频播放 | 国产精品久久久久… | 国产精品成人久久久久 | 欧美精品色精品一区二区三区 | 国产成人久久综合二区 | 久久99精品一区二区三区 | 欧美国产日韩一区二区三区 | 欧美亚洲免费 | 美女网站全黄 | 久久精品a国产一级 | 欧美日韩精品一区二区在线播放 | 一区二区三区精品 | 国产精品免费在线播放 | 国产日韩欧美精品在线 | 国产精品va在线观看一 | 国产日韩欧美视频 | 综合精品欧美日韩国产在线 | 欧美日韩国产精品自在自线 | 一区二区三区美女 | 国内精品一区二区 | 精品国产免费人成在线观看 | 欧美精品久久天天躁 | 国产一区二区三区在线看 | 欧美视频精品一区二区三区 | 日韩欧美在线观看视频 | 欧美喷水| 台湾一级毛片永久免费 | 日韩视频高清 | 久久一区二区三区免费 | 91精品国产高清久久久久久io | 毛片免费网址 |