主頁 > 知識庫 > python多線程爬取西刺代理的示例代碼

python多線程爬取西刺代理的示例代碼

熱門標(biāo)簽:天津塘沽區(qū)地圖標(biāo)注 滴滴地圖標(biāo)注公司 江門智能電話機(jī)器人 如何申請400電話代理 智能電話機(jī)器人調(diào)研 400電話在線如何申請 地圖標(biāo)注可以遠(yuǎn)程操作嗎 杭州房產(chǎn)地圖標(biāo)注 甘肅高頻外呼系統(tǒng)

西刺代理是一個國內(nèi)IP代理,由于代理倒閉了,所以我就把原來的代碼放出來供大家學(xué)習(xí)吧。

鏡像地址:https://www.blib.cn/url/xcdl.html

首先找到所有的tr標(biāo)簽,與class="odd"的標(biāo)簽,然后提取出來。

然后再依次找到tr標(biāo)簽里面的所有td標(biāo)簽,然后只提取出里面的[1,2,5,9]這四個標(biāo)簽的位置,其他的不提取。

最后可以寫出提取單一頁面的代碼,提取后將其保存到文件中。

import sys,re,threading
import requests,lxml
from queue import Queue
import argparse
from bs4 import BeautifulSoup

head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.100 Safari/537.36"}

if __name__ == "__main__":
  ip_list=[]
  fp = open("SpiderAddr.json","a+",encoding="utf-8")
  url = "https://www.blib.cn/url/xcdl.html"
  request = requests.get(url=url,headers=head)
  soup = BeautifulSoup(request.content,"lxml")
  data = soup.find_all(name="tr",attrs={"class": re.compile("|[^odd]")})
  for item in data:
    soup_proxy = BeautifulSoup(str(item),"lxml")
    proxy_list = soup_proxy.find_all(name="td")
    for i in [1,2,5,9]:
      ip_list.append(proxy_list[i].string)
    print("[+] 爬行列表: {} 已轉(zhuǎn)存".format(ip_list))
    fp.write(str(ip_list) + '\n')
    ip_list.clear()

爬取后會將文件保存為 SpiderAddr.json 格式。

最后再使用另一段代碼,將其轉(zhuǎn)換為一個SSR代理工具直接能識別的格式,{'http': 'http://119.101.112.31:9999'}

import sys,re,threading
import requests,lxml
from queue import Queue
import argparse
from bs4 import BeautifulSoup

if __name__ == "__main__":
  result = []
  fp = open("SpiderAddr.json","r")
  data = fp.readlines()

  for item in data:
    dic = {}
    read_line = eval(item.replace("\n",""))
    Protocol = read_line[2].lower()
    if Protocol == "http":
      dic[Protocol] = "http://" + read_line[0] + ":" + read_line[1]
    else:
      dic[Protocol] = "https://" + read_line[0] + ":" + read_line[1]
    result.append(dic)
    print(result)

完整多線程版代碼如下所示。

import sys,re,threading
import requests,lxml
from queue import Queue
import argparse
from bs4 import BeautifulSoup

head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.100 Safari/537.36"}

class AgentSpider(threading.Thread):
  def __init__(self,queue):
    threading.Thread.__init__(self)
    self._queue = queue

  def run(self):
    ip_list=[]
    fp = open("SpiderAddr.json","a+",encoding="utf-8")
    while not self._queue.empty():
      url = self._queue.get()
      try:
        request = requests.get(url=url,headers=head)
        soup = BeautifulSoup(request.content,"lxml")
        data = soup.find_all(name="tr",attrs={"class": re.compile("|[^odd]")})
        for item in data:
          soup_proxy = BeautifulSoup(str(item),"lxml")
          proxy_list = soup_proxy.find_all(name="td")
          for i in [1,2,5,9]:
            ip_list.append(proxy_list[i].string)
          print("[+] 爬行列表: {} 已轉(zhuǎn)存".format(ip_list))
          fp.write(str(ip_list) + '\n')
          ip_list.clear()
      except Exception:
        pass

def StartThread(count):
  queue = Queue()
  threads = []
  for item in range(1,int(count)+1):
    url = "https://www.xicidaili.com/nn/{}".format(item)
    queue.put(url)
    print("[+] 生成爬行鏈接 {}".format(url))

  for item in range(count):
    threads.append(AgentSpider(queue))
  for t in threads:
    t.start()
  for t in threads:
    t.join()

# 轉(zhuǎn)換函數(shù)
def ConversionAgentIP(FileName):
  result = []
  fp = open(FileName,"r")
  data = fp.readlines()

  for item in data:
    dic = {}
    read_line = eval(item.replace("\n",""))
    Protocol = read_line[2].lower()
    if Protocol == "http":
      dic[Protocol] = "http://" + read_line[0] + ":" + read_line[1]
    else:
      dic[Protocol] = "https://" + read_line[0] + ":" + read_line[1]
    result.append(dic)
  return result

if __name__ == "__main__":
  parser = argparse.ArgumentParser()
  parser.add_argument("-p","--page",dest="page",help="指定爬行多少頁")
  parser.add_argument("-f","--file",dest="file",help="將爬取到的結(jié)果轉(zhuǎn)化為代理格式 SpiderAddr.json")
  args = parser.parse_args()
  if args.page:
    StartThread(int(args.page))
  elif args.file:
    dic = ConversionAgentIP(args.file)
    for item in dic:
      print(item)
  else:
    parser.print_help()

以上就是python多線程爬取西刺代理的示例代碼的詳細(xì)內(nèi)容,更多關(guān)于python多線程爬取代理的資料請關(guān)注腳本之家其它相關(guān)文章!

您可能感興趣的文章:
  • Python基礎(chǔ)進(jìn)階之海量表情包多線程爬蟲功能的實現(xiàn)
  • python3爬蟲中多線程進(jìn)行解鎖操作實例
  • Python如何使用隊列方式實現(xiàn)多線程爬蟲
  • python爬蟲開發(fā)之使用Python爬蟲庫requests多線程抓取貓眼電影TOP100實例
  • python支持多線程的爬蟲實例
  • python爬蟲中多線程的使用詳解
  • python面向?qū)ο蠖嗑€程爬蟲爬取搜狐頁面的實例代碼
  • python爬蟲爬取快手視頻多線程下載功能
  • Python之多線程爬蟲抓取網(wǎng)頁圖片的示例代碼
  • Python3多線程爬蟲實例講解代碼
  • php與python實現(xiàn)的線程池多線程爬蟲功能示例
  • Python 爬蟲多線程詳解及實例代碼

標(biāo)簽:廊坊 河池 德宏 重慶 臨汾 長春 漢中 東莞

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《python多線程爬取西刺代理的示例代碼》,本文關(guān)鍵詞  python,多,線程,爬取,西刺,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《python多線程爬取西刺代理的示例代碼》相關(guān)的同類信息!
  • 本頁收集關(guān)于python多線程爬取西刺代理的示例代碼的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章