🎈🎈作者主页： 喔的嘛呀🎈🎈
🎈🎈所属专栏：python爬虫学习🎈🎈
✨✨谢谢大家捧场，祝屏幕前的小伙伴们每天都有好运相伴左右，一定要天天开心哦！✨✨
嗨嗨嗨，兄弟姐妹们。我是喔的嘛呀。今天的学习内容是:爬虫 urllib代理和代理池
目录
一、爬虫 urllib——代理
二、爬虫 urllib——代理池
一、爬虫 urllib——代理
在 Python爬虫 中，可以使用 urllib 库来发送 HTTP 请求，从而实现网络爬虫功能。使用代理（Proxy）可以隐藏真实 IP 地址，防止被目标网站封禁或限制访问频率。下面是使用 urllib 库发送带代理的 HTTP 请求的示例代码：
from urllib import request# 代理地址，格式为 <http://host>:port
proxy_address = 'http://your_proxy_host:your_proxy_port'# 构建代理处理器
proxy_handler = request.ProxyHandler({'http': proxy_address})# 创建Opener
opener = request.build_opener(proxy_handler)# 安装Opener
request.install_opener(opener)# 发送请求
response = request.urlopen('<http://www.example.com>')# 输出响应内容
print(response.read().decode('utf-8'))在上面的代码中，首先构建了一个代理处理器 proxy_handler，指定了代理地址 proxy_address，然后通过 build_opener 创建了一个 Opener，并通过 install_opener 安装 Opener，使得后续的请求都会使用这个 Opener 发送。最后使用 urlopen 发送带有代理的请求，获取并输出响应内容。
请注意，使用代理需要注意代理服务器的稳定性和合法性，不当使用可能会触犯相关法律法规。
案例：
展示如何使用代理 IP 来爬取豆瓣电影 Top 250 的数据。请注意，豆瓣网站有反爬虫机制，使用代理 IP 可以帮助降低被封禁的风险。（主要演示如何使用代理）
from urllib import request
from bs4 import BeautifulSoup
import random
import time# 代理地址，格式为 <http://host>:port 需要自己在网站上购买，或者找能够免费使用的（质量不高，不稳定）
proxy_address = 'http://your_proxy_host:your_proxy_port'# 豆瓣电影 Top 250 的 URL
url = '<https://movie.douban.com/top250>'# 用户代理列表，模拟不同浏览器的访问
user_agents = ['Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36','Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:86.0) Gecko/20100101 Firefox/86.0','Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:85.0) Gecko/20100101 Firefox/85.0','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'
]# 设置代理和随机用户代理
proxy_handler = request.ProxyHandler({'http': proxy_address})
opener = request.build_opener(proxy_handler)
opener.addheaders = [('User-Agent', random.choice(user_agents))]
request.install_opener(opener)# 发送请求
response = request.urlopen(url)# 解析HTML内容
soup = BeautifulSoup(response.read(), 'html.parser')
movies = soup.find_all('div', class_='hd')# 输出电影名字和链接
for movie in movies:movie_name = movie.a.span.textmovie_link = movie.a['href']print(f'电影名字：{movie_name}\\n链接：{movie_link}\\n\\n')# 模拟爬取过程
for i in range(5):print(f"模拟第{i+1}次爬取...")time.sleep(random.randint(1, 3))在这个示例中，我们使用了一个代理服务器（proxy_address），并通过随机选择用户代理（User-Agent）来发送请求。我们爬取了豆瓣电影 Top 250 的页面，并提取了每部电影的名字和链接信息。为了模拟更真实的访问行为，我们添加了一个简单的循环，模拟多次爬取过程，并在每次爬取之间随机等待一段时间。
二、爬虫 urllib——代理池
使用代理池进行爬虫可以帮助我们更好地隐藏真实 IP 地址、绕过访问限制或提高访问速度。下面是一个使用代理池的详细示例，展示了如何使用 urllib 库和代理池进行网页爬取：
from urllib import request
import random# 代理池，包含多个代理地址
proxy_pool = ['<http://proxy1.example.com>:port','<http://proxy2.example.com>:port','<http://proxy3.example.com>:port'
]# 从代理池中随机选择一个代理
proxy = random.choice(proxy_pool)
proxy_handler = request.ProxyHandler({'http': proxy})# 创建Opener并安装
opener = request.build_opener(proxy_handler)
request.install_opener(opener)# 发送请求
url = '<https://www.example.com>'
response = request.urlopen(url)# 读取并打印响应内容
print(response.read().decode('utf-8'))在这个示例中，我们首先定义了一个代理池 proxy_pool，包含了多个代理地址。然后，我们随机选择了一个代理地址，并使用 ProxyHandler 创建了代理处理器。接着，我们创建了一个 Opener，并安装了代理处理器。最后，我们发送了一个请求到指定的 URL，并读取并打印了响应内容。
需要注意的是，使用代理池时应该遵守网站的爬取规则，避免对网站造成不必要的负担。
以下是一个示例，展示如何使用代理池和 urllib 库来爬取网站的内容，并处理可能的异常情况，同时设置了请求头和超时时间：
from urllib import request, error
import random
import time# 代理池，包含多个代理地址
proxy_pool = ['<http://proxy1.example.com>:port','<http://proxy2.example.com>:port','<http://proxy3.example.com>:port'
]# 用户代理列表，模拟不同浏览器的访问
user_agents = ['Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36','Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:86.0) Gecko/20100101 Firefox/86.0','Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:85.0) Gecko/20100101 Firefox/85.0','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36'
]# 设置超时时间（秒）
timeout = 10# 最大重试次数
max_retries = 3# 从代理池中随机选择一个代理
proxy = random.choice(proxy_pool)
proxy_handler = request.ProxyHandler({'http': proxy})# 随机选择一个用户代理
user_agent = random.choice(user_agents)# 创建Opener并安装
opener = request.build_opener(proxy_handler)
opener.addheaders = [('User-Agent', user_agent)]
request.install_opener(opener)# 网站 URL
url = '<https://www.example.com>'# 记录重试次数
retries = 0while retries < max_retries:try:# 发送请求response = request.urlopen(url, timeout=timeout)# 读取并打印响应内容print(response.read().decode('utf-8'))breakexcept error.HTTPError as e:print(f"HTTPError: {e.code} - {e.reason}")except error.URLError as e:print(f"URLError: {e.reason}")except Exception as e:print(f"Error: {e}")# 等待一段时间后重试time.sleep(1)retries += 1if retries == max_retries:print("Reached maximum number of retries. Failed to retrieve data.")在这个示例中，我们定义了一个代理池和用户代理列表，随机选择代理地址和用户代理，并设置了请求头和超时时间。然后，使用代理池和设置的请求头发送请求，处理可能的异常情况，并实现了重试机制。
每天进步一点点，不管做什么都是一样的。加油兄弟姐妹们！
