在我们使用python爬虫获取所需资源时，如果被发现违规行为，有可能会被对方服务器禁止本地ip访问，所以获取代理ip与端口进行访问可以预防部分危险，但是一个一个搜索查找代理ip与端口，程序效率太低，因此使用程序获取代理ip与端口是一个好选择。
1 import urllib.request 2 import re 3
4 # 正则匹配规则
5 regip = "<td>((?:(?:1[0-9][0-9]\.)|(?:2[0-4][0-9]\.)|(?:25[0-5]\.)|(?:[1-9][0-9]\.)|(?:[0-9]\.)){3}(?:(?:1[0-9][0-9])|(?:2[0-4][0-9])|(?:25[0-5])|(?:[1-9][0-9])|(?:[0-9])))</td>"
6 regport = "<td>(\d{2}|\d{3}|\d{4}|\d{5})</td>"
7
8 # 伪装浏览器头信息
9 header = ("User-Agent", 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0') 10 opener = urllib.request.build_opener() 11 opener.addheaders = [header] 12 urllib.request.install_opener(opener) 13
14
15 # 从https://www.xicidaili.com/wn网站获取代理ip
16 def get_ip(m=0, i=1): 17 url = "https://www.xicidaili.com/wn/"+str(i) 18 data = urllib.request.urlopen(url).read().decode("utf-8", "ignore") 19 ListIp = re.compile(regip).findall(data) 20 return ListIp[m] 21
22
23 # 从https://www.xicidaili.com/wn网站获取代理端口
24 def get_port(m=0, i=1): 25 url = "https://www.xicidaili.com/wn/"+str(i) 26 data = urllib.request.urlopen(url).read().decode("utf-8", "ignore") 27 ListPort = re.compile(regport).findall(data) 28 return ListPort[m]
值得一提的是，其中的m值为网站的页码数，i表示第几条数据，使用时尽量使ip与port的i值相同。
由于https://www.xicidaili.com/wn/网页的布局，所以i尽量不要超过100.当然，参数i和m也不能出现负数。
具体怎么导入，怎么使用，相信不需要我多说了，都是基础中的基础。