超简单的scrapy实现ip动态代理与更换ip

转载来自CSDN:https://blog.csdn.net/weixin_44864260/article/details/115024231

简单实现ip代理，为了不卖广告，
请自行准备一个ip代理的平台
例如我用的这个平台,每次提取10个ip
在这里插入图片描述
从上面可以看到数据格式是文本，换行是\r\n，访问链接之后大概就是长这样的,scrapy里面的ip需要加上前缀http://
例如:http://117.95.41.21:34854

OK，那现在已经准备好了ip了，先给你们屡一下思路。

ip池和计数器放在setting文件

第一次请求的时候要填满ip池,所以在爬虫文件的start_requests函数下手

更换ip的地方是middlewares的下载器中间件类的process_request函数,因为每个请求发起前都会经过这个函数

首先是setting文件,其实就是加两句代码

count = {'count': 0}
ipPool = []

还有就是开启下载器中间件,注意是下面那个download的类,中间件的process_request函数的时候才能生效
在这里插入图片描述

下载器中间件的process_request函数,进行ip代理和固定次数更还ip代理池

	# 记得导包
	from 你的项目.settings import ipPool, count
	import random
	import requests
	
    def process_request(self, request, spider):
        # 随机选中一个ip
        ip = random.choice(ipPool)
        print('当前ip', ip, '-----', count['count'])
        # 更换request的ip----------这句是重点
        request.meta['proxy'] = ip
        # 如果循环大于某个值,就清理ip池,更换ip的内容
        if count['count'] > 50:
            print('-------------切换ip------------------')
            count['count'] = 0
            ipPool.clear()
            ips = requests.get('你的ip获取的地址')
            for ip in ips.text.split('\r\n'):
                ipPool.append('http://' + ip)
        # 每次访问,计数器+1
        count['count'] += 1
        return None

最后就是爬虫文件的start_requests函数,就是第一次发请求前要先填满ip池的ip

	# 记得导包
	from 你的项目.settings import ipPool
	import random
	import requests
	
    def start_requests(self):
        # 第一次请求发起前先填充一下ip池
        ips = requests.get('你的ip获取的地址')
        for ip in ips.text.split('\r\n'):
            ipPool.append('http://' + ip)