[已解决]关于爬虫代理问题

兰竹皋

读者好，近几天练习爬虫时遇到了个问题，希望得到解惑 ^_^, 谢谢。。。

请问，当requests携带了代理ip时，电脑报错：
requests.exceptions.ProxyError: HTTPConnectionPool(host='220.184.38.180', port=9000): Max retries exceeded with url: http://httpbin.org/ip (Caused by ProxyError('Cannot connect to proxy.', NewConnectionError('<urllib3.connection.HTTPConnection object at 0x00000294FE623520>: Failed to establish a new connection: [WinError 10061] 由于目标计算机积极拒绝，无法连接。')))
是为什么？

最佳答案

月排行榜 / 总排行榜

suchocolate

2020-11-15 10:48:15

兰竹皋 发表于 2020-11-15 10:31
就是最简单的代码例子，
在网上，goubanjia、原代理等地方找的免费ip，是因为ip都不能用的原因吗？

抓包看了，这个代理服务器鸟都不鸟，所以肯定不能用，找个可以用的代理吧。

跳转到最佳答案楼层

1q23w31

代理不可用，换一个

suchocolate

发代码。
HTTP基于是IP层的协议，“携带IP”这个说法不对，就算不代理数据包也是有IP头的，设置代理只是IP头换成了代理服务器的IP和端口，不再是目标服务器的IP和80端口。

兰竹皋

suchocolate 发表于 2020-11-15 09:13
发代码。
HTTP基于是IP层的协议，“携带IP”这个说法不对，就算不代理数据包也是有IP头的，设置代理只是IP ...

1. headers={
   
2.         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36',
   
3.     }
   
4. proxy = {
   
5.     'http':'58.253.157.188:9999'
   
6. }
   
7. 
   
8. response = requests.get("http://httpbin.org/ip",proxies=proxy,headers=headers)
   
9. 
   
10. print(response.text)

复制代码

就是最简单的代码例子，
在网上，goubanjia、原代理等地方找的免费ip，是因为ip都不能用的原因吗？

suchocolate

兰竹皋 发表于 2020-11-15 10:31
就是最简单的代码例子，
在网上，goubanjia、原代理等地方找的免费ip，是因为ip都不能用的原因吗？

抓包看了，这个代理服务器鸟都不鸟，所以肯定不能用，找个可以用的代理吧。

兰竹皋

suchocolate 发表于 2020-11-15 10:48
抓包看了，这个代理服务器鸟都不鸟，所以肯定不能用，找个可以用的代理吧。

谢谢，那这么说，免费ip几乎都不能用了？
能问问，你们一般都在哪里找代理ip的吗？

suchocolate

兰竹皋 发表于 2020-11-15 13:48
谢谢，那这么说，免费ip几乎都不能用了？
能问问，你们一般都在哪里找代理ip的吗？

我一般不用，好像大多数都是只能免费试用一会，稳定的都收费，比如每月30元什么的。
你找个代理商，问客户要个试用看看吧，学习的话用试用就行。

兰竹皋

suchocolate 发表于 2020-11-15 13:55
我一般不用，好像大多数都是只能免费试用一会，稳定的都收费，比如每月30元什么的。
你找个代理商，问客 ...

恩，谢谢啦 （^_^）

兰竹皋

1q23w31 发表于 2020-11-15 07:12
代理不可用，换一个

谢谢

兰竹皋

suchocolate 发表于 2020-11-15 13:55
我一般不用，好像大多数都是只能免费试用一会，稳定的都收费，比如每月30元什么的。
你找个代理商，问客 ...

你好，还在吗？能帮我试试这代码吗？
我连续在www.goubanjia.com上爬了数百代理ip没一个可以用，很奇怪！！！，弄得我怀疑是自己电脑问题

1. from multiprocessing.pool import ThreadPool
   
2. import requests
   
3. from lxml import etree
   
4. import time
   
5. 
   
6. 
   
7. 
   
8. def open_url(url):
   
9.     headers = {
   
10.             'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36',
    
11.     }
    
12.     re = requests.get(url=url, headers=headers)
    
13.     re.raise_for_status()
    
14.     re.encoding = 'utf-8'
    
15.     return re.text
    
16.    
    
17. def open_url_http(proxy):
    
18.     headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36',}
    
19.     try:
    
20.         res = requests.get(url=url_http, headers=headers, proxy=proxy)
    
21.         assert res.status_code == 200
    
22.         print('http://'+proxy, end='\t')
    
23.         con = res.json()['origin']
    
24.         if con == proxy:
    
25.             print('http://'+proxy+' 可以使用')
    
26.         else:
    
27.             print('error')
    
28.     except Exception as e:
    
29.             pass
    
30. 
    
31. def open_url_https(proxy):
    
32.     headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36',}
    
33.     try:
    
34.         res = requests.get(url=url_https, headers=headers, proxy=proxy)
    
35.         assert res.status_code == 200
    
36.         print('https://'+proxy, end='\t')
    
37.         tree = etree.HTML(res.text)
    
38.         con = tree.xpath('//body/p//text()')
    
39.         if con[1] == proxy:
    
40.             print('https://'+proxy+' 可以使用')
    
41.         else:
    
42.             print('error')
    
43.     except Exception as e:
    
44.             pass
    
45. 
    
46. def get_proxies():
    
47.     proxies_https = []
    
48.     proxies_http = []
    
49.     url = 'http://www.goubanjia.com/'
    
50.     re_text = open_url(url=url)
    
51. 
    
52.     tree = etree.HTML(re_text)
    
53.     info_list = tree.xpath('//tbody/tr')
    
54.     for each in info_list:
    
55.         info_dict = {}
    
56. 
    
57.         each_address_list = []
    
58.         info_dict['address'] = each.xpath('./td[1]//*')
    
59.         for each_address in info_dict['address']:
    
60.             if each_address.xpath('./@style') == ["display: none;"] or each_address.xpath('./@style') ==["display:none;"]:
    
61.                 pass
    
62.             else:
    
63.                 if len(each_address.xpath('./text()')) != 0:
    
64.                     each_address_list.append(each_address.xpath('./text()')[0])      
    
65.         info_dict['address'] = ''.join(each_address_list[:-1])+':'+each_address_list[-1]
    
66. 
    
67.         info_dict['anonymity'] = each.xpath('./td[2]//text()')[0]
    
68.         info_dict['protocal'] = each.xpath('./td[3]//text()')[0]
    
69.         if info_dict['protocal'] == 'http':
    
70.             if info_dict['address'] not in proxies_http:
    
71.                 proxies_http.append(str(info_dict['address']))
    
72.         elif info_dict['protocal'] == 'https':
    
73.             if info_dict['address'] not in proxies_https:
    
74.                 proxies_https.append(str(info_dict['address']))
    
75. 
    
76.     print(proxies_http)
    
77.     print(proxies_https)
    
78.     return proxies_http, proxies_https
    
79.    
    
80. 
    
81. 
    
82. if __name__ == '__main__':
    
83.    
    
84.     url_https = 'https://202020.ip138.com/'
    
85.     url_http = 'http://httpbin.org/ip'
    
86.    
    
87.    
    
88.     def main():
    
89.         proxies_http, proxies_https = get_proxies()
    
90.         pool = ThreadPool(5)
    
91.         print('main start')
    
92.         for each_proxy in proxies_http:
    
93.             proxy = {"http":f"{each_proxy}"}
    
94.             pool.apply_async(open_url_http, (proxy,))
    
95.         for each_proxy in proxies_https:
    
96.             proxy = {"https":f"{each_proxy}"}
    
97.             pool.apply_async(open_url_https, (proxy,))
    
98.         pool.close()
    
99.         pool.join()
    
100.         print('main over')
     
101. 
     
102.     for i in range(5):
     
103.         main()
     
104.         time.sleep(0.5)
     
105.    
     

复制代码

suchocolate

兰竹皋 发表于 2020-11-15 15:19
你好，还在吗？能帮我试试这代码吗？
我连续在www.goubanjia.com上爬了数百代理ip没一个可以用，很奇 ...

得联系客服要免费试用账号，他们贴出来的已经提示不保证可用了。