西刺代理 IP池

import requests
from fake_useragent import UserAgent
from pymongo import MongoClient
from bs4 import BeautifulSoup
import lxml
import datetime
from urllib.parse import urljoin
import threadpool


ua = UserAgent()

try:
    # Python 3.x
    from urllib.parse import quote_plus
except ImportError:
    # Python 2.x
    from urllib import quote_plus

PORT = "27017"
IP = "192.168.101.203"
USERNAME = ""
PASSWORD = ""

class MyMongoOperator(object):
    def __init__(self, userName=USERNAME,       password=PASSWORD, port=PORT, IP=IP):
        if userName:
            uri = "mongodb://%s:%s@%s:%s" % (
quote_plus(userName), quote_plus(password), IP, port)
        else:
            uri = "mongodb://%s:%s" % (IP, port)
        self.client = MongoClient(uri)

    # 指定数据库和集合
    def connect2DB_COLL(self, dbname, collection):
        self.db = eval('''self.client.%s'''%dbname)
        self.collection = eval('''self.db.%s'''%collection)
        return self

    def find(self, *args, **kwargs):
        return self.collection.find(*args, **kwargs)

    def findOne(self, query):
        return self.collection.find_one(query)

    def insert(self,args):
        return self.collection.insert(args)

    def update(self,*args):
        return self.collection.update(*args)

    def remove(self, args):
        return self.collection.remove(args)

    def closeConn(self):
        self.client.close()

def getConn():
    obj = MyMongoOperator()
    obj.connect2DB_COLL('spider', 'IP_pool')
    return obj

# 获取mongo的连接对象
mongo = getConn()

class XCspider(object):
    def __init__(self):
        self.header = {
            'User-Agent':ua.random,
            'Referer':'http://www.xicidaili.com/'
        }
        self.today = datetime.datetime.today()
        self.dayStart = datetime.datetime(year=self.today.year, month=self.today.month, day=self.today.day)

    def getTime(self, timeStr):
        time = datetime.datetime.strptime(timeStr, '%y-%m-%d %H:%M')
        return time

    def get(self, url):
        response = requests.get(url,headers=self.header)
        if response.status_code == 200:
            return response
        elif response.status_code == 404:
            raise requests.HTTPError('404 网页未找到')
        elif response.status_code == 500:
            raise requests.HTTPError('500 服务器错误')
        else:
            raise requests.HTTPError('其它相应错误{}'.format(response.status_code))

    def parse(self, response):
        soup = BeautifulSoup(response.content, 'lxml')
        ip_list = soup.find_all('tr')
        if ip_list:
            ip_list = ip_list[1:]
        for ip in ip_list:
            info = ip.text.strip("'")
            ip_info = list(filter(lambda each: each, info.split('\n')))
            if len(ip_info) < 7:
                print(ip_info)
                continue
            # 获取当天的ip
            if self.getTime(ip_info[-1]) > self.dayStart:
                # 数据入库
                mongo.insert({
                    'proxy':{'{}'.format(ip_info[4]): "http://{}:{}".format(ip_info[0],ip_info[1])},
                    'area':ip_info[2],
                    'type':ip_info[3],
                    'time':ip_info[6],
                    'insertTime':datetime.datetime.now().strftime('%y-%m-%d %H:%M'),
                    'inspect':False,
                    'available':False,
                  }
                )
            else:
                return False
        next_page = soup.find('a',attrs={'class':'next_page'})
        if next_page:
            next_url = urljoin('http://www.xicidaili.com/', next_page.attrs['href'])
            return next_url
        pass

    def clear(self):
        '''
        清空ip池
        :return:
        '''
        mongo.remove({})


    def verify(self):
        pool = threadpool.ThreadPool(10)
        ipList = mongo.find({'inspect': False})
        requests = threadpool.makeRequests(verify_ip, ipList)
        [pool.putRequest(req) for req in requests]
        pool.wait()
        print('ip检测完毕')

def verify_ip(each):
    headers = {
        'User-Agent': ua.random,
        'Referer': 'http://www.baidu.com/'
    }

    try:
        response = requests.get('http://www.dianping.com/', proxies=each['proxy'], timeout=3, headers=headers)
    except Exception as e:
        print(e)
        mongo.update({'_id':each['_id']}, {'$set':{'inspect':True}})
    else:
        if response.status_code == 200:
            mongo.update({'_id': each['_id']}, {'$set': {'inspect': True, 'available':True}})
        else:
            mongo.update({'_id': each['_id']}, {'$set': {'inspect': True}})
    pass

def getProxy():
    xc = XCspider()
    xc.clear()
    response = xc.get(url='http://www.xicidaili.com/nn/')
    url = xc.parse(response)
    while url:
        print('\t正在抓取:%s'%url)
        response = xc.get(url=url)
        url = xc.parse(response)

def verify():
    xc = XCspider()
    xc.verify()

def parse():
    with open('西刺代理.html', 'r', encoding='utf-8') as f:
        data = f.read()
    soup = BeautifulSoup(data, 'lxml')
    ip_list = soup.find_all('tr')
    if ip_list:
        ip_list = ip_list[1:]
    for ip in ip_list:
        info = ip.text.strip("'")
        ip_info = list(filter(lambda each:each, info.split('\n')))


        # 数据入库

    pass


if __name__ == '__main__':

    # getProxy()
    # verify()
    headers = {
        'User-Agent': ua.random,
        'Referer': 'http://www.baidu.com/'
    }
    response = requests.get('http://www.dianping.com/', proxies={"HTTP" : "http://112.114.98.66:8118"},
                        headers=headers)
    mongo.closeConn()
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,332评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,508评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,812评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,607评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,728评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,919评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,071评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,802评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,256评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,389评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,032评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2 350

推荐阅读更多精彩内容