在我們使用python爬蟲獲取所需資源時，如果被發現違規行為，有可能會被對方服務器禁止本地ip訪問，所以獲取代理ip與端口進行訪問可以預防部分危險，但是一個一個搜索查找代理ip與端口，程序效率太低，因此使用程序獲取代理ip與端口是一個好選擇。
1 import urllib.request 2 import re 3
4 # 正則匹配規則
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 # 偽裝瀏覽器頭信息
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 # 從https://www.xicidaili.com/wn網站獲取代理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 # 從https://www.xicidaili.com/wn網站獲取代理端口
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值為網站的頁碼數，i表示第幾條數據，使用時盡量使ip與port的i值相同。
由於https://www.xicidaili.com/wn/網頁的布局，所以i盡量不要超過100.當然，參數i和m也不能出現負數。
具體怎么導入，怎么使用，相信不需要我多說了，都是基礎中的基礎。