哈嘍，大家好，我是強(qiáng)哥。
這幾天，鬼滅之刃游郭篇就要上線了,強(qiáng)哥的一個朋友非常喜歡鬼滅之刃，可以說是到了癡迷的地步。每次新篇上線都會第一時間觀看。雖然這次上線之前，這家伙就已經(jīng)看過了，不過這消息還是把他激動的不行，拉著我要我和他重溫一遍。
這不，昨天，還找我要了個爬蟲代碼，去網(wǎng)上搜刮各種鬼滅之刃相關(guān)的圖片。可是，在我給他代碼后不到一個小時，這家伙就又罵罵咧咧的跑過來找我算賬了，說用了我的代碼，剛開始爬得還挺好，很舒服?？墒沁^了將近半小時，就發(fā)現(xiàn)，有兩個他經(jīng)?？磮D的網(wǎng)站爬不到圖片了。而且，不用軟件，自己用電腦瀏覽器也沒法訪問這倆網(wǎng)站了，這讓他非常惱火。
聽了他這么一說，我就大概明白了個十有八九，應(yīng)該是爬的有點(diǎn)兇IP被封了。用手機(jī)5G網(wǎng)絡(luò)看了下對應(yīng)的網(wǎng)站，確實(shí)還是可以正常訪問，那就沒錯了。
趕緊和這家伙說了一些爬蟲相關(guān)法律知識，爬蟲雖好可以解脫我們的雙手，可是爬的太兇容易被請喝茶。前幾年不是還有個公司的CTO和程序員被抓判刑了嗎。所以自己還是要控制好頻率，不要沒有節(jié)制……
大道理講了一通，可是，現(xiàn)在他還想繼續(xù)下怎么辦呢？沒辦法，只好找找代理了，這家伙又是化石白嫖黨，讓他出錢是沒辦法了，強(qiáng)哥只好自己祭出大招了。
IP代理池
沒錯，要解決這個辦法，最簡單好用的就是IP代理池了，也就是搞到一大堆的可正常使用的代理IP，然后我們用爬蟲的時候，請求不直接發(fā)送到目標(biāo)網(wǎng)站，而是借助代理IP，把請求先發(fā)到代理服務(wù)器，代理服務(wù)器再幫我們把請求發(fā)送到目標(biāo)網(wǎng)站。這樣，假如被目標(biāo)網(wǎng)站發(fā)現(xiàn)了，封的也是代理的IP不是我們自己的IP啦。
至于為什么要用到代理池，主要還是怕老用同一個代理IP被封了就又沒法訪問了，多搞幾個寧濫毋缺嘛。
ProxyPool
既然要白嫖，那必須找找開源項目。既然要找開源項目，那必須要夠?qū)I(yè)的才配的上強(qiáng)哥的代碼。所以，這次的主角是《Python3網(wǎng)絡(luò)爬蟲開發(fā)實(shí)戰(zhàn)》的作者崔慶才的開源項目：ProxyPool。
先簡單介紹下項目結(jié)構(gòu)吧：
代理池分為四個部分，獲取模塊、存儲模塊、檢測模塊、接口模塊。
- 存儲模塊使用 Redis 的有序集合，用以代理的去重和狀態(tài)標(biāo)識，同時它也是中心模塊和基礎(chǔ)模塊，將其他模塊串聯(lián)起來。
- 獲取模塊定時從代理網(wǎng)站獲取代理，將獲取的代理傳遞給存儲模塊，保存到數(shù)據(jù)庫。
- 檢測模塊定時通過存儲模塊獲取所有代理，并對其進(jìn)行檢測，根據(jù)不同的檢測結(jié)果對代理設(shè)置不同的標(biāo)識。
- 接口模塊通過 Web API 提供服務(wù)接口，其內(nèi)部還是連接存儲模塊，獲取可用的代理。
項目原理是在各大提供IP代理池的網(wǎng)站把IP搞過來然后程序測試能用之后，才會存下來供我們使用，相當(dāng)于幫助我們省去了找免費(fèi)IP代理的時間。
當(dāng)然，如果只是拿來用，也不用過多的在意這些細(xì)節(jié)，我們直接沖。
上手
ProxyPool需要本地運(yùn)行起來，運(yùn)行起來后，會在本地暴露一個接口地址： http://localhost:5555/random 直接訪問即可獲取一個隨機(jī)可用代理IP。
強(qiáng)哥用Docker方式下載項目鏡像后，用docker-compose up命令把服務(wù)運(yùn)行起來了，然后瀏覽器訪問效果如下：
沒錯，返回的120.196.112.6:3128就是代理IP啦。
Docker鏡像下載方式：
docker pull germey/proxypool
也想搞一波的小伙伴，自己到GitHub上看看吧，用起來還是很簡單的： https://github.com/Python3WebSpider/ProxyPool
怎么幫朋友
既然工具有了，就把之前我給朋友的爬蟲代碼拿過來，把代理池懟上去就行了。當(dāng)然，這里就不直接暴露我的爬蟲代碼了，給一個官方示例代碼吧，和我寫的也差不多：
import requests
proxypool_url = 'http://127.0.0.1:5555/random'
target_url = 'http://httpbin.org/get'
def get_random_proxy():
"""
get random proxy from proxypool
:return: proxy
"""
return requests.get(proxypool_url).text.strip()
def crawl(url, proxy):
"""
use proxy to crawl page
:param url: page url
:param proxy: proxy, such as 8.8.8.8:8888
:return: html
"""
proxies = {'http': 'http://' + proxy}
return requests.get(url, proxies=proxies).text
def main():
"""
main method, entry point
:return: none
"""
proxy = get_random_proxy()
print('get random proxy', proxy)
html = crawl(target_url, proxy)
print(html)
if __name__ == '__main__':
main()
可以看到，用到代理的方式關(guān)鍵就是這句：requests.get(url, proxies=proxies)，直接把獲取到的代理IP搞到proxies去就行了。
這里還要提到代碼中用到的另一個開源項目的地址，對，就是http://httpbin.org/get，我們可以根據(jù)這個地址返回的數(shù)據(jù)判斷我們發(fā)起訪問該地址的IP。
強(qiáng)哥直接用瀏覽器訪問的效果：
可以看到這里用了本地IP。
換用上面的代理代碼訪問的效果：
可以看到，返回的origin確實(shí)使用了代理IP。也就是說，我們的IP代理池使用成功了。
強(qiáng)哥朋友在拿到新的爬蟲代碼，并進(jìn)行了頻率的節(jié)制，終于不再怎么被封IP了。順帶送了我一張圖：
怎么說呢？沒咬竹子的禰豆子不是好豆子。
搞更深點(diǎn)
IP代理池這玩意除了用在爬蟲上還會被用在哪呢？
嗯……如果看了強(qiáng)哥上篇文章的小伙伴應(yīng)該能猜到，當(dāng)然是DoS攻擊了，其實(shí)爬蟲和DoS攻擊，在某些地方還是有交集的，爬蟲控制的不好很可能就成了DoS。這個就不做過多擴(kuò)展了。
強(qiáng)哥前天還看了個DoS攻擊的項目，用到了反射原理來進(jìn)行的攻擊，哈哈，之前都是看DoS攻擊方式介紹的時候有了解到，這回看到代碼還挺激動，有機(jī)會和大家也介紹下。
好了，這篇文章的內(nèi)容發(fā)貨聯(lián)盟就和大家分享到這里，如果大家網(wǎng)絡(luò)推廣引流創(chuàng)業(yè)感興趣，可以添加微信：80709525 備注：發(fā)貨聯(lián)盟引流學(xué)習(xí)； 我拉你進(jìn)直播課程學(xué)習(xí)群，每周135晚上都是有實(shí)戰(zhàn)干貨的推廣引流技術(shù)課程免費(fèi)分享！
