关于 Python 的优秀 Requests 模块的简短说明。
我似乎无法在文档中找到变量“代理”应包含的内容。当我向它发送一个带有标准“IP:PORT”值的字典时,它拒绝了它要求 2 个值。所以,我猜(因为这似乎没有在文档中涵盖)第一个值是 ip 而第二个值是端口?
文档仅提及这一点:
proxies –(可选)到代理 URL 的字典映射协议。
所以我尝试了这个......我该怎么办?
proxy = { ip: port}
我应该在将它们放入字典之前将它们转换为某种类型吗?
r = requests.get(url,headers=headers,proxies=proxy)
proxies
' dict 语法为 {"protocol": "scheme://ip:port", ...}
。有了它,您可以为使用 http、https 和 ftp 协议的请求指定不同(或相同)的代理:
http_proxy = "http://10.10.1.10:3128"
https_proxy = "https://10.10.1.11:1080"
ftp_proxy = "ftp://10.10.1.10:3128"
proxies = {
"http" : http_proxy,
"https" : https_proxy,
"ftp" : ftp_proxy
}
r = requests.get(url, headers=headers, proxies=proxies)
从 requests
documentation 推导出:
参数: method – 新 Request 对象的方法。 url – 新请求对象的 URL。 ... proxies –(可选)到代理 URL 的字典映射协议。 ...
在 linux 上,您还可以通过 HTTP_PROXY
、HTTPS_PROXY
和 FTP_PROXY
环境变量执行此操作:
export HTTP_PROXY=10.10.1.10:3128
export HTTPS_PROXY=10.10.1.11:1080
export FTP_PROXY=10.10.1.10:3128
在 Windows 上:
set http_proxy=10.10.1.10:3128
set https_proxy=10.10.1.11:1080
set ftp_proxy=10.10.1.10:3128
您可以参考proxy documentation here。
如果您需要使用代理,您可以使用代理参数为任何请求方法配置单个请求:
import requests
proxies = {
"http": "http://10.10.1.10:3128",
"https": "https://10.10.1.10:1080",
}
requests.get("http://example.org", proxies=proxies)
要将 HTTP 基本身份验证与您的代理一起使用,请使用 http://user:password@host.com/
语法:
proxies = {
"http": "http://user:pass@10.10.1.10:3128/"
}
我发现 urllib 有一些非常好的代码来获取系统的代理设置,并且它们恰好以正确的形式直接使用。您可以像这样使用它:
import urllib
...
r = requests.get('http://example.org', proxies=urllib.request.getproxies())
它工作得非常好,而且 urllib 也知道如何获取 Mac OS X 和 Windows 设置。
dict
。
module 'urllib' has no attribute 'getproxies'
接受的答案对我来说是一个好的开始,但我不断收到以下错误:
AssertionError: Not supported proxy scheme None
对此的解决方法是在代理 url 中指定 http:// :
http_proxy = "http://194.62.145.248:8080"
https_proxy = "https://194.62.145.248:8080"
ftp_proxy = "10.10.1.10:3128"
proxyDict = {
"http" : http_proxy,
"https" : https_proxy,
"ftp" : ftp_proxy
}
我很想知道为什么原版对某些人有效,但对我无效。
编辑:我看到主要答案现在已更新以反映这一点:)
如果你想持久化 cookie 和会话数据,你最好这样做:
import requests
proxies = {
'http': 'http://user:pass@10.10.1.0:3128',
'https': 'https://user:pass@10.10.1.0:3128',
}
# Create the session and set the proxies.
s = requests.Session()
s.proxies = proxies
# Make the HTTP request through the session.
r = s.get('http://www.showmemyip.com/')
晚了8年。但我喜欢:
import os
import requests
os.environ['HTTP_PROXY'] = os.environ['http_proxy'] = 'http://http-connect-proxy:3128/'
os.environ['HTTPS_PROXY'] = os.environ['https_proxy'] = 'http://http-connect-proxy:3128/'
os.environ['NO_PROXY'] = os.environ['no_proxy'] = '127.0.0.1,localhost,.local'
r = requests.get('https://example.com') # , verify=False
documentation 给出了一个非常清晰的代理使用示例
import requests
proxies = {
'http': 'http://10.10.1.10:3128',
'https': 'http://10.10.1.10:1080',
}
requests.get('http://example.org', proxies=proxies)
然而,没有记录的是,即使架构相同,您甚至可以为单个 url 配置代理!当您想为要抓取的不同网站使用不同的代理时,这会派上用场。
proxies = {
'http://example.org': 'http://10.10.1.10:3128',
'http://something.test': 'http://10.10.1.10:1080',
}
requests.get('http://something.test/some/url', proxies=proxies)
此外,requests.get
本质上使用了底层的 requests.Session
,因此如果您需要更多控制,请直接使用它
import requests
proxies = {
'http': 'http://10.10.1.10:3128',
'https': 'http://10.10.1.10:1080',
}
session = requests.Session()
session.proxies.update(proxies)
session.get('http://example.org')
我用它来设置一个后备(默认代理)来处理与字典中指定的架构/url不匹配的所有流量
import requests
proxies = {
'http': 'http://10.10.1.10:3128',
'https': 'http://10.10.1.10:1080',
}
session = requests.Session()
session.proxies.setdefault('http', 'http://127.0.0.1:9009')
session.proxies.update(proxies)
session.get('http://example.org')
我刚刚制作了一个代理抓取器,也可以在没有任何输入的情况下连接相同的抓取代理:
#Import Modules
from termcolor import colored
from selenium import webdriver
import requests
import os
import sys
import time
#Proxy Grab
options = webdriver.ChromeOptions()
options.add_argument('headless')
driver = webdriver.Chrome(chrome_options=options)
driver.get("https://www.sslproxies.org/")
tbody = driver.find_element_by_tag_name("tbody")
cell = tbody.find_elements_by_tag_name("tr")
for column in cell:
column = column.text.split(" ")
print(colored(column[0]+":"+column[1],'yellow'))
driver.quit()
print("")
os.system('clear')
os.system('cls')
#Proxy Connection
print(colored('Getting Proxies from graber...','green'))
time.sleep(2)
os.system('clear')
os.system('cls')
proxy = {"http": "http://"+ column[0]+":"+column[1]}
url = 'https://mobile.facebook.com/login'
r = requests.get(url, proxies=proxy)
print("")
print(colored('Connecting using proxy' ,'green'))
print("")
sts = r.status_code
这是我在 python 中的基本类,用于请求模块,带有一些代理配置和秒表!
import requests
import time
class BaseCheck():
def __init__(self, url):
self.http_proxy = "http://user:pw@proxy:8080"
self.https_proxy = "http://user:pw@proxy:8080"
self.ftp_proxy = "http://user:pw@proxy:8080"
self.proxyDict = {
"http" : self.http_proxy,
"https" : self.https_proxy,
"ftp" : self.ftp_proxy
}
self.url = url
def makearr(tsteps):
global stemps
global steps
stemps = {}
for step in tsteps:
stemps[step] = { 'start': 0, 'end': 0 }
steps = tsteps
makearr(['init','check'])
def starttime(typ = ""):
for stemp in stemps:
if typ == "":
stemps[stemp]['start'] = time.time()
else:
stemps[stemp][typ] = time.time()
starttime()
def __str__(self):
return str(self.url)
def getrequests(self):
g=requests.get(self.url,proxies=self.proxyDict)
print g.status_code
print g.content
print self.url
stemps['init']['end'] = time.time()
#print stemps['init']['end'] - stemps['init']['start']
x= stemps['init']['end'] - stemps['init']['start']
print x
test=BaseCheck(url='http://google.com')
test.getrequests()
有点晚了,但这里有一个包装类,它简化了抓取代理,然后进行 http POST 或 GET:
代理请求
https://github.com/rootVIII/proxy_requests
已经过测试,以下代码有效。需要使用 HTTPProxyAuth。
import requests
from requests.auth import HTTPProxyAuth
USE_PROXY = True
proxy_user = "aaa"
proxy_password = "bbb"
http_proxy = "http://your_proxy_server:8080"
https_proxy = "http://your_proxy_server:8080"
proxies = {
"http": http_proxy,
"https": https_proxy
}
def test(name):
print(f'Hi, {name}') # Press Ctrl+F8 to toggle the breakpoint.
# Create the session and set the proxies.
session = requests.Session()
if USE_PROXY:
session.trust_env = False
session.proxies = proxies
session.auth = HTTPProxyAuth(proxy_user, proxy_password)
r = session.get('https://www.stackoverflow.com')
print(r.status_code)
if __name__ == '__main__':
test('aaa')
我分享了一些代码,如何从站点“https://free-proxy-list.net”获取代理并将数据存储到与“Elite Proxy Switcher”(格式 IP:PORT)等工具兼容的文件中:
##PROXY_UPDATER - 从 https://free-proxy-list.net/ 获取免费代理
from lxml.html import fromstring
import requests
from itertools import cycle
import traceback
import re
######################FIND PROXIES#########################################
def get_proxies():
url = 'https://free-proxy-list.net/'
response = requests.get(url)
parser = fromstring(response.text)
proxies = set()
for i in parser.xpath('//tbody/tr')[:299]: #299 proxies max
proxy = ":".join([i.xpath('.//td[1]/text()')
[0],i.xpath('.//td[2]/text()')[0]])
proxies.add(proxy)
return proxies
######################write to file in format IP:PORT######################
try:
proxies = get_proxies()
f=open('proxy_list.txt','w')
for proxy in proxies:
f.write(proxy+'\n')
f.close()
print ("DONE")
except:
print ("MAJOR ERROR")
不定期副业成功案例分享
urllib3
所以我必须调查一下。感谢您的提醒。