爬蟲設置代理IP

配置 settings.py 啟用自定義 IP 代理中間件

　　DOWNLOADER_MIDDLEWARES

　　　　設置自定義 IP 代理中間件優先級高於系統 IP 代理中間件

DOWNLOADER_MIDDLEWARES = {
    'quotes.middlewares.QuotesDownloaderMiddleware': 543,
    # 'quotes.middlewares.UserAgentMiddlewares': 543,
}

 

收集可用的 IP 代理，構建 IP 代理池

　　在 settings.py 中定義IP代理數組

IPPools = [
    {"ipaddr":"124.205.155.149:9090"},
    {"ipaddr":"119.23.79.199:3128"},
    {"ipaddr":"120.26.208.102:88"},
    {"ipaddr":"111.231.12.253:1080"},
]

　　　　這些IP可以從這個幾個網站獲取:快代理、代理66、有代理、西刺代理、guobanjia。如果出現像下面這種提示:"由於連接方在一段時間后沒有正確答復或連接的主機沒有反應，連接嘗試失敗"或者是這種，" 由 於目標計算機積極拒絕，無法連接。". 那就是IP的問題，更換就行了。

 

middlewares.py 中添加 UserAgentMiddlewares 類

　　重寫 process_request() 方法

　　　　使用 random 庫的 choice 方法隨機從 IP 中選取代理 IP

　　　　設置 request 的 meta 屬性設置代理

    def process_request(self, request, spider):
        thisip = random.choice(IPPools)
        request.meta['proxy'] = 'http://' + thisip['ipaddr']
        print('this is ip:%s'%thisip['ipaddr'])