python爬虫的正确方法：python爬虫简单的添加代理进行访问

python爬虫的正确方法：python爬虫简单的添加代理进行访问记得关注小编后私信【学习】领取Python学习教程哦。

在使用python对网页进行多次快速爬取的时候 访问次数过于频繁 服务器不会考虑User-Agent的信息 会直接把你视为爬虫 从而过滤掉 拒绝你的访问 在这种时候就需要设置代理 我们可以给proxies属性设置一个代理的IP地址 代码如下:

1 import requests 2 from lxml import etree 3 url = "https://www.ip.cn" 4 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml like Gecko) Chrome/70.0.3538.102 Safari/537.36 OPR/57.0.3098.116" } 5 pro = { 6 # 'https': 'https://118.122.92.252:37901' #四川省成都市 电信 7 'https': 'https://27.17.45.90:43411' #湖北省武汉市 电信 8 } 9 try: 10 response = requests.get(url headers=headers proxies=pro) 11 HTML_str = response.content.decode() 12 # print(html_str) 13 html = etree.HTML(html_str) 14 message = html.xpath("//div[@class='well']//p/text()") 15 ip = html.xpath("//div[@class='well']//p/code/text()") 16 eng = html.xpath("//div[@class='well']/p/text()") 17 print(message[0] ip[0]) 18 print(message[1] ip[1]) 19 print(eng[2]) 20 except requests.exceptions.ProxyError as e: 21 print("当前代理异常") 22 except: 23 print("当前请求异常")

在上面的代码中 调用requests库 对一个IP地址查询网页进行访问 随后使用lxml库的xpath对网页进行分析提取 返回用户访问此网页时自己的IP地址 如果代理设置成功 则会返回你的信息和IP地址 如下:

如果代理失败则会返回异常 在代码中使用了捕获异常 则会返回设置的提示信息 "当前代理异常" 如果不是代理的错误则是"当前请求异常"

PS:免费的代理不是很稳定 在确认代码无误后 如果仍然返回异常 可尝试更换代理IP...

记得关注小编后私信【学习】领取Python学习教程哦。