python爬虫代理ip池搭建

LiyC;2024-09-10 11:30

最近大量爬取数据的时候总会遇到被封ip的情况，所有打算自己搭建一个代理ip池来使用。本次使用的是开源的ip代理池项目ProxyPool

1.下载redis数据库

redis安装

这里我选择直接下载redis的解压包形式，方便安装。下载地址：发布 ·TPORADOWSKI/REDIS (github.com)

下载完成直接解压就可以使用了，使用：redis-server.exe redis.windows.conf命令启动redis服务。也可以直接双击启动程序来启动redis服务

redis可视化工具

安装完成redis后，搭配可视化工具使用会更方便一些。下载连接：https://github.com/uglide/RedisDesktopManager/releases/download/0.9.3/redis-desktop-manager-0.9.3.817.exe

下载完成后选择想要的安装位置直接安装就行了，直接连接本地就行了，什么也不用填，只需要设置名字就行。

2.下载开源 ip代理池---ProxyPool

ProxyPool安装

下载地址：GitHub - Python3WebSpider/ProxyPool: An Efficient ProxyPool with Getter, Tester and Server

下载压缩包解压即可。

ProxyPool配置

可以让chatgpt帮忙把需要用到项目注释换成中文，如果项目报错缺少模块的缺什么模块安装什么模块就好：

进入到对应目录下修改一些配置，如redis数据库地址，密码，想要使用记号库之类的。如果是跟本教程来做的，不用修改这些配置直接启动run.py运行项目就行了。

项目启动后redis数据库结果如下，这些IP都在程序帮我们获取到的可以使用的IP：

ProxyPool的原理简单说一下，就是这个程序去网上获取ip，然后拿回来进行检查，如果是好的就放入IP池里面，同时程序还会自己检查IP池，如果池中出现坏了的IP，程序会将此IP丢出IP池，并重新放入一个可用的IP进入IP池。

有了IP池后，我们就可以编写程序去调用redis数据库，从数据库中获取一个ip拿来使用。大致代码如下（ProxyPool项目需要一直运行着，因为需要他来不断的给IP池进行补充和检查IP）：

复制代码

import requests

# 从redis中随机获取代理IP
PROXY_POOL_URL = 'http://localhost:6379/random'

proxies = {
    'http': 'http://{}'.format(PROXY_POOL_URL),
    'https': 'https://{}'.format(PROXY_POOL_URL),
}

url = "目标网站的url"

# 使用代理ip去请求网站
res = response = requests.get(url, proxies=proxies)