对于HTTP代理池的维护,可以从以下几个方面入手:
可以通过requests库向目标网站发送请求,判断HTTP代理是否能够成功返回响应。如果返回成功,则说明HTTP代理可用,否则说明HTTP代理已失效。可以在代码中设置超时时间,避免长时间等待无响应的HTTP代理。
import requests
def check_proxy(proxy):
try:
response = requests.get(url, proxies=proxy, timeout=3)
if response.status_code == 200:
return Trueexcept:
passreturn False
可以通过定期爬取HTTP代理网站或者购买付费HTTP代理服务来获取新的HTTP代理。可以使用requests库向HTTP代理网站发送请求,获取HTML页面,并使用BeautifulSoup库解析HTML页面,从而获取HTTP代理信息。通过一定的筛选规则,可以将新获取的HTTP代理加入到HTTP代理池中。
import requests
from bs4 import BeautifulSoup
def get_proxies():
url = 'http://www.xicidaili.com/nn/'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
}
response = requests.get(url, headers=headers)
soup = BeautifulSoup(response.text, 'html.parser')
table = soup.find('table', {'id': 'ip_list'})
tr_list = table.find_all('tr')
proxies = []
for tr in tr_list[1:]:
td_list = tr.find_all('td')
ip = td_list[1].text
port = td_list[2].text
protocol = td_list[5].text.lower()
proxy = '{}://{}:{}'.format(protocol, ip, port)
proxies.append(proxy)
return proxies
可以通过一些指标来衡量HTTP代理的质量,比如连接速度、响应时间、访问成功率等。可以定时对HTTP代理进行评估,筛选出质量较好的IP,并从HTTP代理池中删除质量较差的IP。
import requests
from multiprocessing import Pool
from functools import partial
def check_proxy_quality(proxy):
try:
response = requests.get(url, proxies=proxy, timeout=3)
if response.status_code == 200:
return True, response.elapsed.total_seconds()
except:
passreturn False, Nonedef evaluate_proxies(proxies):
pool = Pool(processes=8)
results = pool.map(partial(check_proxy_quality), proxies)
pool.close()
pool.join()
quality_proxies = []
for proxy, result in zip(proxies, results):
is_valid, response_time = result
if is_valid:
quality_proxies.append((proxy, response_time))
return quality_proxies
对于监控HTTP代理的使用情况,一种比较简单的方法是记录每个HTTP代理的使用次数和成功率,以便及时发现哪些HTTP代理不再可用或者质量较差。
可以使用Python内置的shelve模块,将HTTP代理的使用情况保存在一个本地文件中。shelve模块可以提供类似字典的数据存储方式,方便快捷地读取和写入数据。
以下是一个简单的示例代码:
import shelve
class ProxyManager:
def __init__(self, filename='proxies.db'):
self.filename = filename
self.proxies = shelve.open(filename, writeback=True)
if not self.proxies.get('used_proxies'):
self.proxies['used_proxies'] = {}
def mark_as_used(self, proxy):
if proxy in self.proxies:
self.proxies[proxy]['used_times'] += 1
self.proxies[proxy]['success_rate'] = self.proxies[proxy]['success_times'] / self.proxies[proxy]['used_times']
else:
self.proxies[proxy] = {'used_times': 1, 'success_times': 0, 'success_rate': 0}
self.proxies['used_proxies'][proxy] = True
def mark_as_success(self, proxy):
if proxy in self.proxies:
self.proxies[proxy]['success_times'] += 1
self.proxies[proxy]['success_rate'] = self.proxies[proxy]['success_times'] / self.proxies[proxy]['used_times']
else:
self.proxies[proxy] = {'used_times': 1, 'success_times': 1, 'success_rate': 1}
self.proxies['used_proxies'][proxy] = True
def is_used(self, proxy):
return self.proxies['used_proxies'].get(proxy)
def close(self):
self.proxies.close()
在使用HTTP代理进行网络请求时,可以先检查该HTTP代理是否已被使用过。如果该HTTP代理已被使用过,则不再使用该HTTP代理。如果该HTTP代理未被使用过,则使用该HTTP代理进行网络请求,并在请求成功或失败后,更新该HTTP代理的使用情况。
以下是一个简单的示例代码:
def get_page(url, proxy_manager):
for i in range(3):
proxy = get_proxy(proxy_manager)
if proxy:
try:
response = requests.get(url, proxies={'http': proxy, 'https': proxy}, timeout=3)
if response.status_code == 200:
proxy_manager.mark_as_success(proxy)
return response.text
except:
pass
proxy_manager.mark_as_used(proxy)
return None
def get_proxy(proxy_manager):
proxies = list(proxy_manager.proxies.keys())
for proxy in proxies:
if not proxy_manager.is_used(proxy):
return proxy
return None
需要注意的是,shelve模块的写入操作可能比较耗时,如果HTTP代理池较大,可以考虑每隔一段时间将HTTP代理使用情况保存在本地文件中,以提高性能。同时,如果HTTP代理池中存在较多已失效的HTTP代理,证明这个池子的IP可用率已经极低了,还是会更建议大家伙使用优质厂商提供的HTTP代理。
正常情况下,很多人会说随着经济下行,能有使用的就已经不错了,,还谈什么自行车,且不谈免费的HTTP代理的连通性,实际上只要选对HTTP代理,采购的成本也会在我们的承受范围内的。例如,此前我们搜集了这几家的动态共享HTTP代理:
注:动态短效代理有按时和按量之分,都已经几种汇总了:
HTTP代理类型 | 分类 | 代表厂商 | 白名单数 | 基础套餐(元/月) | 平均IP单价(元/IP) | |
---|---|---|---|---|---|---|
动态短效HTTP代理 | 按时计费 | 以IP通道为增量 | 青果网络 | 256 | 29 | 0.0006 |
小象代理 | 5 | 109 | 0.0050 | |||
以每日IP量为增量 | 巨量代理 | 5 | 155 | 0.0049 | ||
豌豆代理 | 5 | 300 | 0.0025 | |||
讯代理 | 1 | 210 | 0.0583 | |||
品易代理 | 20 | 120 | 0.0070 | |||
芝麻代理 | 5 | 360 | 0.0182 | |||
按量计费 | / | 青果网络 | 256 | 30 | 0.0030 | |
豌豆代理 | 5 | 200 | 0.0200 | |||
小象代理 | 5 | 100 | 0.0100 | |||
巨量代理 | 5 | 75 | 0.0140 | |||
品易代理 | 20 | 100 | 0.0100 | |||
芝麻代理 | 5 | 420 | 0.0420 |
拿青果网络来说,29一个月,均摊到每天也就1块钱,差不多是一瓶水的价格了。从业务结果的表现而言,也算可圈可点:
当然,我们选择HTTP代理厂商都是基于各自业务的场景需求,不同场景所需的HTTP代理产品也不同,但各位可以测试了看看,所有的产品都要应用到自身,才能知道效果如何。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。