搭建免费代理IP池

👨‍💻博客主页：i新木优子👀
🎉欢迎关注🔍点赞👍收藏⭐留言📝
🧚‍♂️寄语:成功的秘诀就是每天都比别人多努力一点👣
✨有任何疑问欢迎评论探讨

先声明一下：免费的代理稳定性都不高,即使经过层层筛选有些可能还是不能用,就像矮子里拔高的，即使已经是矮子里最高的，可是还是改变不了是矮子的本质

在做任何事情之前我们都需要先思考，要如何实现？需要用到什么？等等一系列的问题都要想清楚，要先将思路理清了，做起事来才能事半功倍

🎯下面是我做这个项目的思路，可能并不是很好，有更好的想法欢迎留言讨论
代理IP池：
自身：

• 能采集代理IP（用爬虫抓取网站即可）
  采集到的IP我们的将它存储起来，这就有一个问题我们要将这些IP存储到哪里？
  Mysql？MongoDB？还是Redis？
  Mysql：它当然可以存储IP，可是它也有它的局限性，Mysql不能去重，因为有时我们采集到的IP可能一样，还有一个问题就是Mysql查询效率低
  MongoDB：也可以存储IP，但它也不能去重
  Redis：最合适，首先它的查询效率最高，还有良好的去重的集合（zset）
  为什么要用zset呢？
  zset有一个特性，他有一个分值（score），我们可以通过控制分值的高低就可以将稳定性高的IP取出来，从而提高免费IP的可用性
  不了解Redis基本用法的小伙伴可以去看一下我的上一篇博客哦
• 能验证IP的有效性
  先将每个IP定一个初始分值（50），然后对每个IP都进行校验，如果这个IP可用那么就将这个IP的分值拉满（100），如果不可用就进行扣分（10），直到IP变成0分，就将这个IP删除

对外：

• 提供免费的可用的代理IP

思路理清了，接下来就是如何写程序了

采集：写爬虫抓取IP，将IP存储到Redis
校验：从Redis中取出IP，用IP简单发送一个请求，如果可以正常返回，证明该IP可用
提供：写api接口，将可用的IP提供给用户

如果我们按照单线程去完成上面的步骤，就有局限性，只有每次将IP提供给用户，才可以继续采集IP，而我们希望的是这三个步骤互不影响，不管采集、校验还是给用户提供IP，都应该是一直进行，在提供IP的时候也可以继续采集、校验
三个独立的程序，我们就可以用多进程
下图就是IP代理池的模型：

仔细观察上图，三个操作都用到了Redis，所以就先写Redis涉及到的各种操作，再写其他三个功能就可以游刃有余了
1️⃣Redis的各种操作

• 连接Redis
• zset存储
  判断IP存不存在，不存在就新增
• 查询所有IP（校验IP时要用到）
• 将分值拉满（IP可用）
• 将分值降低（IP不可用）
• 查询可用的IP
  先给满分的，没有满分的给51-99分的

# redis的各种操作from redis import Redisfrom settings import *class ProxyRedis:    # 连接redis    def __init__(self): self.red = Redis(     host=REDIS_HOST,     port=REDIS_PORT,     db=REDIS_DB,     password=REDIS_PASSWORD,     decode_responses=True )    # 存储ip    def add_proxy_ip(self, ip): # 判断是否有ip if not self.red.zscore(REDIS_KEY, ip):     self.red.zadd(REDIS_KEY, {ip: DEFAULT_SCORE})     print("采集到了IP地址了", ip) else:     print("采集到了IP地址了", ip, "但是已经存在")    # 查询所有ip    def get_all_proxy(self): return self.red.zrange(REDIS_KEY, 0, -1)    # 将分值拉满    def set_max_score(self, ip): self.red.zadd(REDIS_KEY, {ip: MAX_SCORE})    # 降低分值    def reduce_score(self, ip): # 查询分值 score = self.red.zscore(REDIS_KEY, ip) # 如果有分值，扣分 if score > 0:     self.red.zincrby(REDIS_KEY, -10, ip) else:  # 分值没有则删除     self.red.zrem(REDIS_KEY, ip)    # 查询可用ip    def get_avail_proxy(self): lis = [] ips = self.red.zrangebyscore(REDIS_KEY, MAX_SCORE, MAX_SCORE, 0, -1) if ips:     lis.append(ips)     return lis else:     ips = self.red.zrangebyscore(REDIS_KEY, DEFAULT_SCORE + 1, MAX_SCORE - 1, 0, -1)     if ips:  lis.append(ips)  return lis     else:  print("没有可用ip")  return None

2️⃣采集IP
这里我爬取了三个网站，当然感觉不够用的自己还可以加
快代理：https://www.kuaidaili.com/free/intr/1/
高可用全球免费代理IP库：https://ip.jiangxianli.com/?page=1
66免费代理网：http://www.66ip.cn/areaindex_1/1.html
爬取这些网站很简单，基本都没有什么反爬，页面也都差不多，直接用xpath解析就可以得到想要的IP

# 代理IP的采集from proxy_redis import ProxyRedisimport requestsfrom lxml import etreeimport timeheaders = {    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36"}# 采集快代理def get_kuai_ip(red): url = "https://www.kuaidaili.com/free/intr/1/" resp = requests.get(url, headers=headers) tree = etree.HTML(resp.text) trs = tree.xpath("//table/tbody/tr") for tr in trs:     ip = tr.xpath("./td[1]/text()")  # ip地址     port = tr.xpath("./td[2]/text()")  # 端口     if not ip:  continue     ip = ip[0]     port = port[0]     proxy_ip = ip + ":" + port     red.add_proxy_ip(proxy_ip)  # 增加ip地址# 采集66免费代理网def get_66_ip(red):    url = "http://www.66ip.cn/areaindex_1/1.html"    resp = requests.get(url, headers=headers)    tree = etree.HTML(resp.text)    trs = tree.xpath("//table//tr")[1:]    for tr in trs: ip = tr.xpath("./td[1]/text()")  # ip地址 port = tr.xpath("./td[2]/text()")  # 端口 if not ip:     continue ip = ip[0] port = port[0] proxy_ip = ip + ":" + port red.add_proxy_ip(proxy_ip)  # 增加ip地址# 采集高可用全球免费代理IP库def get_quan_ip(red):    url = "https://ip.jiangxianli.com/?page=1"    resp = requests.get(url, headers=headers)    tree = etree.HTML(resp.text)    trs = tree.xpath("//table//tr")    for tr in trs: ip = tr.xpath("./td[1]/text()")  # ip地址 port = tr.xpath("./td[2]/text()")  # 端口 if not ip:     continue ip = ip[0] port = port[0] proxy_ip = ip + ":" + port red.add_proxy_ip(proxy_ip)  # 增加ip地址def run():    red = ProxyRedis()  # 创建redis存储    while True: try:     get_kuai_ip(red)  # 采集快代理     get_66_ip(red)  # 采集66免费代理     get_quan_ip(red)  # 采集全球免费ip代理库 except:     print("出错了") time.sleep(60)  # 每分钟跑一次if __name__ == '__main__':    run()

3️⃣校验IP可用性

• 查询所有的IP
• 每一个IP都发送一个请求，可用分值拉满，不用可扣分
  这里如果我们采集的IP比较多的话，用单线程就比较慢了，所以为了提高效率，这里我采用协程

# 代理IP的验证from proxy_redis import ProxyRedisfrom settings import *import asyncioimport aiohttpimport timeasync def verify_one(ip, sem, red):    print(f"开始检测{ip}")    timeout = aiohttp.ClientTimeout(total=10)  # 设置超时时间，超过10秒就报错    try: async with sem:     async with aiohttp.ClientSession() as session:  async with session.get("http://www.baidu.com/", proxy="http://" + ip, timeout=timeout) as resp:  # 简单发送一个请求      page_source = await resp.text()      if resp.status in [200, 302]:  # 验证状态码   # 将分值拉满   red.set_max_score(ip)   print(f"检测到{ip}是可用的")      else:   red.reduce_score(ip)   print(f"检测到{ip}是不可用的， 扣10分")    except Exception as E: print("ip检验时出错了", E) red.reduce_score(ip) print(f"检测到{ip}是不可用的， 扣10分")async def main(red):    # 查询全部ip    all_proxy = red.get_all_proxy()    sem = asyncio.Semaphore(SEM_COUNT)  # 控制并发量    tasks = []    for ip in all_proxy: tasks.append(asyncio.create_task(verify_one(ip, sem, red)))    if tasks: await asyncio.wait(tasks)def run():    red = ProxyRedis()    time.sleep(10)    while True: try:     asyncio.run(main(red))     time.sleep(100) except Exception as e:     print("校验时报错了", e)     time.sleep(100)if __name__ == '__main__':    run()

4️⃣提供api

• 给用户提供一个http接口，用户通过访问http://xxx.xxx.xxx.xxx:xxxx/get_proxy就可获取到IP
  安装提供api接口的模块

pip install sanicpip install sanic_cors  # 防止出现跨域的模块

# 代理的IP的api接口from proxy_redis import ProxyRedisfrom sanic import Sanic, jsonfrom sanic_cors import CORS# 1. 创建appapp = Sanic("ip")# 2. 解决跨域CORS(app)red = ProxyRedis()# 3. 准备处理http请求的函数@app.route("/get_proxy")  # 路由配置def dispose(rep):    ip_list = red.get_avail_proxy()    return json({"ip": ip_list})  # 返回给客户端def run():    app.run(host="127.0.0.1", port=5800)if __name__ == '__main__':    run()

5️⃣启动采集IP、校验IP、提供api
将三个功能串在一起，每一个功能开一个进程

from ip_api import run as api_runfrom ip_collection import run as col_runfrom ip_verify import run as ver_runfrom multiprocessing import Processdef run():    # 启动三个进程    p1 = Process(target=api_run)    p2 = Process(target=col_run)    p3 = Process(target=ver_run)    p1.start()    p2.start()    p3.start()if __name__ == '__main__':    run()

下面代码是代理IP池的配置文件，想要修改参数的直接修改配置文件中的就行

# 配置文件# proxy_redis# redis主机ip地址REDIS_HOST = "127.0.0.1"# redis端口号REDIS_PORT = 6379# redis数据库编号REDIS_DB = 2# redis的密码REDIS_PASSWORD = "123456"# redis的keyREDIS_KEY = "proxy_ip"# 默认的ip分值DEFAULT_SCORE = 50# 满分MAX_SCORE = 100# ip_verify# 一次检测ip的数量SEM_COUNT = 30

6️⃣到这里我们的IP代理池就已经完成了



我们可以看到程序可以正常执行
然后去看一下我们的Redis中是否有IP

我们访问http://127.0.0.1:5800/get_proxy检测用户是否可以拿到IP

7️⃣检验IP代理池中的IP是否可用
免费IP代理池已经搭建好了，接下来就从IP代理池中取出来IP，检测IP是否可以使用

我们的IP有很多，使用这些IP最好的方法是将存放IP的列表进行循环，每拿一个IP访问一次或多次就换一个IP在访问，所以就需要写一个生成器

import requestsheaders = {    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36"}def get_proxy():    url = "http://127.0.0.1:5800/get_proxy"    resp = requests.get(url, headers=headers)    ips = resp.json()    for ip in ips["ip"][0]: yield ip  # 生成器def spider():    url = "http://www.baidu.com/"    while True: try:     proxy_ip = next(gen)     proxy = {  "http:": "http:" + proxy_ip,  "https:": "http:" + proxy_ip     }     resp = requests.get(url, proxies=proxy, headers=headers)     resp.encoding = "utf-8"     return resp.text except:     print("代理失效了")if __name__ == '__main__':    gen = get_proxy()    page_source = spider()    print(page_source)

可以拿到页面源代码表示我们的代理IP可用

WIFI共享精灵