利用Python爬取可用的代理IP

前言就以最近发现的一个免费代理IP网站为例：http://www.xicidaili.com/nn/。在使用的时候发现很

前言

就以最近发现的一个免费代理IP网站为例：http://www.xicidaili.com/nn/。在使用的时候发现很多IP都用不了。

所以用Python写了个脚本，该脚本可以把能用的代理IP检测出来。

脚本如下：

#encoding=utf8
import urllib2
from bs4 import BeautifulSoup
import urllib
import socket
 
User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'
header = {}
header['User-Agent'] = User_Agent
 
'''
获取所有代理IP地址
'''
def getProxyIp():
 proxy = []
 for i in range(1,2):
 try:
 url = 'http://www.xicidaili.com/nn/'+str(i)
 req = urllib2.Request(url,headers=header)
 res = urllib2.urlopen(req).read()
 soup = BeautifulSoup(res)
 ips = soup.findAll('tr')
 for x in range(1,len(ips)):
 ip = ips[x]
 tds = ip.findAll("td")
 ip_temp = tds[1].contents[0]+"\t"+tds[2].contents[0]
 proxy.append(ip_temp)
 except:
 continue
 return proxy
 
'''
验证获得的代理IP地址是否可用
'''
def validateIp(proxy):
 url = "http://ip.chinaz.com/getip.aspx"
 f = open("E:\ip.txt","w")
 socket.setdefaulttimeout(3)
 for i in range(0,len(proxy)):
 try:
 ip = proxy[i].strip().split("\t")
 proxy_host = "http://"+ip[0]+":"+ip[1]
 proxy_temp = {"http":proxy_host}
 res = urllib.urlopen(url,proxies=proxy_temp).read()
 f.write(proxy[i]+'\n')
 print proxy[i]
 except Exception,e:
 continue
 f.close()
 
 
if __name__ == '__main__':
 proxy = getProxyIp()
 validateIp(proxy)

 运行成功后，打开E盘下的文件，可以看到如下可用的代理IP地址和端口：

总结

这只是爬取的第一页的IP地址，如有需要，可以多爬取几页。同时，该网站是时时更新的，建议爬取时只爬取前几页的即可。以上就是本文的全部内容，希望对大家学习使用Python能有所帮助。

python 代理ip python 爬取代理ip python抓取代理ip