您的位置:新闻资讯 >文章内容
爬虫的代理ip池怎么建?IP池的搭建思路
来源:互联网 作者:admin 时间:2018-11-29 16:08:23

    如果经常使用同一个IP,容易遭到网站的封杀,特别是爬虫,需要抓取大量的数据,但IP是无法满足的,也突破不了网站次数的限制,因此爬虫需要使用代理IP池,这爬虫的代理ip池怎么建?下面跟精灵代理一起去了解一下代理IP池的搭建。


    一、选择代理IP


    虽然免费,但是代理ip稳定性差需要经常更换,爬取后ip存在很多不可用ip需要定期筛选。


    免费代理ip比较适合学习使用,如果做项目研究的话建议购买稳定的代理ip,比如精灵代理。


爬虫的代理ip池怎么建?IP池的搭建思路


    二、代理ip池的搭建


    Python中高层次的数据结构,动态类型和动态绑定,使得它非常适合于快速应用开发,也适合于作为胶水语言连接已有的软件部件。用Python来搞这个代理IP池也很简单,代码分为6个模块:


    Api:api接口相关代码,目前api是由Flask实现,代码也非常简单。客户端请求传给Flask,Flask调用ProxyManager中的实现,包括get/delete/refresh/get_all。


    DB:数据库相关代码,目前数据库是采用SSDB。代码用工厂模式实现,方便日后扩展其他类型数据库。


    Manager:get/delete/refresh/get_all等接口的具体实现类,目前代理池只负责管理proxy,日后可能会有更多功能,比如代理和爬虫的绑定,代理和账号的绑定等等。


    ProxyGetter:代理获取的相关代码,抓取免费代理,也支持自己扩展代理接口。


    Schedule:定时任务相关代码,现在只是实现定时去刷新代码,并验证可用代理,采用多进程方式。


    Util:存放一些公共的模块方法或函数,包含GetConfig:读取配置文件config.ini的类,ConfigParse: 集成重写ConfigParser的类,使其对大小写敏感, Singleton:实现单例,LazyProperty:实现类属性惰性计算。


    其他文件:配置文件,Config.ini,数据库配置和代理获取接口配置,可以在GetFreeProxy中添加新的代理获取方法,并在Config.ini中注册即可使用。


相关文章内容简介
在线咨询
微信公众号

微信公众号

回到顶部