您的位置：首页 > 新闻资讯 > 正文

如何爬取代理ip？

发布时间：2019-06-05 15:46:31 来源：互联网

　　如何爬取代理ip？在我们使用网络写脚本到指定网站抓取数据的时候，总是避免不了会被网站屏蔽IP，所以这个时候就需要一些代理IP，打开网页随便就能找到很多提供免费代理IP的网站做IP抓取，这里介绍抓取的是国内匿名代理IP。

　　第一步：HTML页面获取

　　通过观察我们可以发现，我们需要的信息的页面url有这样的一个规律：www.xxxxxx.com/nn/+页码。可是如果直接通过get方法访问的话会发现出现500错误，原因是在这个规律下的url虽然是get方法获得数据，但都有cookie认证。那么问题来了——怎么获得需要的cookie呢?我们第一次通过浏览器访问该网站的主页是能打开的，其网站的各个子模块都可以打开。一定在某个时间段内我们的浏览器获得了该网站设置的cookie。清楚浏览器cookie，重新打开该网站首页，通过开发者工具可以发现我们打开首页的时候没有上传cookie，而是网站会下发cookie。接着打开我们上面找到的规律url页面，比对一下，发现我们上传的cookie就是在首页下发的cookie。这样就有办法了——编写脚本的时候，先访问一下首页获得cookie，再将获得的cookie添加到后续的请求中。

　　第二步：分析html结构，使用BS4进行信息提取。

　　以上简单介绍了如何爬取代理IP，具体的代码还需要自己搜索一下。