______ ______ _ | ___ \_ | ___ \ | | | |_/ / \__ __ __ _ __ _ | |_/ /___ ___ | | | __/| _// _ \ \ \/ /| | | || __// _ \ / _ \ | | | | | | | (_) | > < \ |_| || | | (_) | (_) || |___ \_| |_| \___/ /_/\_\ \__ |\_| \___/ \___/ \_____\ __ / / /___ / -
支持版本:
-
测试地址: http://123.207.35.36:5010 (单机勿压。感谢)
- 下载源码:
git clone git@github.com:jhao104/proxy_pool.git 或者直接到https://github.com/jhao104/proxy_pool 下载zip文件- 安装依赖:
pip install -r requirements.txt- 配置Config.ini:
# Config.ini 为项目配置文件 # 配置DB type = SSDB # 如果使用SSDB或redis数据库，均配置为SSDB host = localhost # db host port = 8888 # db port name = proxy # 默认配置 # 配置 ProxyGetter freeProxyFirst = 1 # 这里是启动的抓取函数，可在ProxyGetter/getFreeProxy.py 扩展 freeProxySecond = 1 .... # 配置 HOST (api服务) ip = 127.0.0.1 # 监听ip,0.0.0.0开启外网访问 port = 5010 # 监听端口 # 上面配置启动后，代理api地址为 http://127.0.0.1:5010 - 启动:
# 如果你的依赖已经安全完成并且具备运行条件,可以直接在Run下运行main.py # 到Run目录下: >>>python main.py # 如果运行成功你应该看到有4个main.py进程 # 你也可以分别运行他们, # 依次到Api下启动ProxyApi.py,Schedule下启动ProxyRefreshSchedule.py和ProxyValidSchedule.py即可.- 生产环境 Docker/docker-compose
# Workdir proxy_pool docker build -t proxy_pool . pip install docker-compose docker-compose -f Docker/docker-compose.yml up -d- 开发环境 Docker
# Workdir proxy_pool docker build -t proxy_pool . docker run -it --rm -v $(pwd):/usr/src/app -p 5010:5010 proxy_pool启动过几分钟后就能看到抓取到的代理IP，你可以直接到数据库中查看，推荐一个SSDB可视化工具。
也可以通过api访问http://127.0.0.1:5010 查看。
- Api
| api | method | Description | arg |
|---|---|---|---|
| / | GET | api介绍 | None |
| /get | GET | 随机获取一个代理 | None |
| /get_all | GET | 获取所有代理 | None |
| /get_status | GET | 查看代理数量 | None |
| /delete | GET | 删除代理 | proxy=host:ip |
- 爬虫使用
如果要在爬虫代码中使用的话， 可以将此api封装成函数直接使用，例如：
import requests def get_proxy(): return requests.get("http://127.0.0.1:5010/get/").content def delete_proxy(proxy): requests.get("http://127.0.0.1:5010/delete/?proxy={}".format(proxy)) # your spider code def getHtml(): # .... retry_count = 5 proxy = get_proxy() while retry_count > 0: try: html = requests.get('https://www.example.com', proxies={"http": "http://{}".format(proxy)}) # 使用代理访问 return html except Exception: retry_count -= 1 # 出错5次, 删除代理池中代理 delete_proxy(proxy) return None项目默认包含几个免费的代理获取方法，但是免费的毕竟质量不好，所以如果直接运行可能拿到的代理质量不理想。所以，提供了代理获取的扩展方法。
添加一个新的代理获取方法如下:
- 1、首先在GetFreeProxy类中添加你的获取代理的静态方法， 该方法需要以生成器(yield)形式返回
host:ip格式的代理，例如:
class GetFreeProxy(object): # .... # 你自己的方法 @staticmethod def freeProxyCustom(): # 命名不和已有重复即可 # 通过某网站或者某接口或某数据库获取代理 任意你喜欢的姿势都行 # 假设你拿到了一个代理列表 proxies = ["139.129.166.68:3128", "139.129.166.61:3128", ...] for proxy in proxies: yield proxy # 确保每个proxy都是 host:ip正确的格式就行- 2、添加好方法后，修改Config.ini文件中的
[ProxyGetter]项：
在Config.ini的[ProxyGetter]下添加自定义的方法的名字:
[ProxyGetter] ;register the proxy getter function freeProxyFirst = 0 # 如果要取消某个方法，将其删除或赋为0即可 .... freeProxyCustom = 1 # 确保名字和你添加方法名字一致 ProxyRefreshSchedule会每隔一段时间抓取一次代理，下次抓取时会自动识别调用你定义的方法。
任何问题欢迎在Issues 中反馈，如果没有账号可以去 我的博客中留言。
你的反馈会让此项目变得更加完美。
本项目仅作为基本的通用的代理池架构，不接收特有功能(当然,不限于特别好的idea)。
本项目依然不够完善，如果发现bug或有新的功能添加，请在Issues中提交bug(或新功能)描述，在确认后提交你的代码。
这里感谢以下contributor的无私奉献：
@kangnwh| @bobobo80| @halleywj| @newlyedward| @wang-ye| @gladmo| @bernieyangmh| @PythonYXY| @zuijiawoniu| @netAir| @scil| @tangrela| @highroom| @luocaodan| @vc5| @1again