在Python爬虫中为了更好地绕过反爬机制,获取网页信息,有时可能需要在Python中应用代理服务,这样做的目的就是防止自己的ip被服务器封禁,造成程序运行时中断连接,那么如何在python中设置代理呢? 我们通过几个实例来看一下,其实也不麻烦。
一、在requests中设置代理
在爬虫中我最常用的是reqeusts这个模块,除了设置user-agent, cookie之外,我们还可以加上代理ip。 下面我们给出一个利用http或https代理来访问XXX网站。 其中http或https代理可以通过在服务器上安装x-ui,设置http代理用户名和密码来实现。 有时,为了避免ip被封禁,可以绑定域名,用极光面板来设置中转代理,然后采用中转的域名来访问服务器,可以加快访问速度和安全性。
python
import requests
# 设置代理,包括用户名和密码
proxy_username = 'user' #设置代理的用户名
proxy_password = 'password' #设置代理的密码
proxy_host = 'ip:port' #这里设置服务器的域名或ip并助加上端口
proxies = {
'http': f'http://{proxy_username}:{proxy_password}@{proxy_host}',
'https': f'http://{proxy_username}:{proxy_password}@{proxy_host}',
}
# 发起请求
try:
response = requests.get('https://www. XXX.com', proxies=proxies) #XXX替换为你要爬取的网站
print(response.text) # 打印响应内容
except requests.exceptions.RequestException as e:
print(f'请求出错: {e}')
二、在edge-tts中设置代理
最近edge-tts文本转音频的调用受到了限制,访问起来十分不便,我们可以在python实现代理服务,从而避开模块的限制。
python
import edge_tts
import asyncio
# 设置代理,包括用户名、密码、服务器ip和端口
proxy_username = 'user'
proxy_password = 'password'
proxy_host = 'ip:port'
proxy = f'http://{proxy_username}:{proxy_password}@{proxy_host}'
async def main():
# 创建一个 TTS 客户端
communicate = edge_tts. Communicate(
text="Hello, this is a text to speech conversion.",
voice="en-US-AriaNeural",
proxy= proxy
)
# 生成音频
await communicate.save("output.mp3")
# 运行主函数
asyncio.run(main())
三、设置代理池proxy-pool
单个代理可能会出现失效的情况,我们可以设置一个代理池,把代理信息放到txt文件里,每次通过Python程序读取txt中的代理,随机调用代理池中的一个代理,即对代理池进行轮训,这样可以最大限度减少IP封禁的可能。这个代理也可以设置单个代理,通过get_proxy来获得。
python
import random
class Proxy:
def __init__(self, username, password, host):
self.username = username
self.password = password
self.host = host
def get_proxy(self):
return f'http://{self.username}:{self.password}@{self.host}'
class ProxyPool:
def __init__(self):
self.proxies = []
def add_proxy(self, username, password, host):
proxy = Proxy(username, password, host)
self.proxies.append(proxy)
def load_proxies_from_file(self, file_path):
with open(file_path, 'r') as file:
for line in file:
username, password, host = line.strip().split(',')
self.add_proxy(username, password, host)
def get_random_proxy(self):
if not self.proxies:
raise ValueError("Proxy pool is empty.")
return random.choice(self.proxies).get_proxy()
# 示例用法
if __name__ == '__main__':
proxy_pool = ProxyPool()
# 从文件加载代理
proxy_pool.load_proxies_from_file('proxy.txt')
# 随机获取一个代理
random_proxy = proxy_pool.get_random_proxy()
print(random_proxy)
使用以上程序,需要我们可以把代理信息放到proxy.txt文件中,用户名、密码和服务器信息用逗号隔开,这样运行程序后,我们可以随机调用一个代理,从而模拟多人使用此项服务的目的。
四、如何随机调用代理池中的代理
我们把设置好的代理信息放到proxy.txt中格式如下图所示:
代理格式
然后,我们通过以下代码随机调用代理池中的内容,并打印出来。这样每次向服务器发请求就是随机代理,减少了程序中断的可能性。
python
from proxypool import ProxyPool #导入模块
proxy_pool = ProxyPool() #实例化
# 从文件加载代理
proxy_pool.load_proxies_from_file('proxy.txt')
# 随机获取一个代理
random_proxy = proxy_pool.get_random_proxy()
# 打印出来获取的代理
print(random_proxy)
五、学后总结
一直以来,我以为Python中的代理设置非常麻烦,事实上,经常测试,其实也不难。
问题的关键是找到一个有效的http代理,并在Python程序中设置好。
这是一个Python的进阶技巧,学会这个方法,可以解决很多程序运行受限的问题。