站长资源脚本专栏
python如何基于redis实现ip代理池
简介这篇文章主要介绍了python如何基于redis实现ip代理池,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下使用apscheduler库定时爬取ip,定时检测ip删除ip,做了2层检测,第一层爬取后放入redis——db0进行检测,成功的放入re
这篇文章主要介绍了python如何基于redis实现ip代理池,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
使用apscheduler库定时爬取ip,定时检测ip删除ip,做了2层检测,第一层爬取后放入redis——db0进行检测,成功的放入redis——db1再次进行检测,确保获取的代理ip的可用性
import requests, redis import pandas import random from apscheduler.schedulers.blocking import BlockingScheduler import datetime import logging db_conn = redis.ConnectionPool(host="*.*.*.*", port=6379, password="123456") redis_conn_0 = redis.Redis(connection_pool=db_conn, max_connections=10,db=0) redis_conn_1 = redis.Redis(connection_pool=db_conn, max_connections=10,db=1) # 删除redis数据库里的ip def remove_ip(ip,redis_conn): redis_conn.zrem("IP", ip) print("已删除 %s..." % ip) # 获取redis数据库里一共有多少ip def get_ip_num(redis_conn): num = redis_conn.zcard("IP") return num # 获取ip的端口 def get_port(ip,redis_conn): port = redis_conn.zscore("IP", ip) port = str(port).replace(".0", "") return port # 添加ip和端口到数据库里 def add_ip(ip, port,redis_conn): # nx: 不要更新已有的元素。总是添加新的元素,只有True,False redis_conn.zadd("IP", {ip: port}, nx=55) print("已添加 %s %s...ok" % (ip, port)) # 列出所有的ip def get_all_ip(redis_conn): all_ip = redis_conn.zrange("IP", 0, -1) return all_ip # 随机获取一个ip def get_random_ip(redis_conn): end_num = get_ip_num(redis_conn) num = random.randint(0, end_num) random_ip = redis_conn.zrange("IP", num, num) if not random_ip: return "","" random_ip = str(random_ip[0]).replace("b", '').replace("'", "") port = get_port(random_ip,redis_conn) return random_ip, port # 获取代理ip def spider_ip(x,redis_conn): print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'), x) for p in range(1, 20): res = pandas.read_html("http://www.89ip.cn/index_{}.html".format(p)) # print(res) # print(type(res[0])) for i in range(len(res[0])): ip = res[0].iloc[i, 0] port = res[0].iloc[i, 1] print("ip", ip) print("port", port) add_ip(str(ip), str(port),redis_conn) logging.basicConfig(level=logging.INFO, format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s', datefmt='%Y-%m-%d %H:%M:%S', filename='log1.txt', filemode='a') def aps_detection_ip(x,redis_conn): print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'), x) res=get_random_ip(redis_conn) ip=res[0] port=res[1] try: requests.get("http://www.baidu.com",proxies={'https':'{ip}:{port}'.format(ip=ip,port=port)}) print("可用",ip,port,res) if redis_conn!=redis_conn_1: add_ip(str(ip), str(port), redis_conn_1) except Exception: # ip错误失效就删除 remove_ip(ip,redis_conn) scheduler = BlockingScheduler() scheduler.add_job(func=aps_detection_ip, args=('检测循环任务0',redis_conn_0), trigger='interval', seconds=3, id='aps_detection_ip_task0',max_instances=10) scheduler.add_job(func=spider_ip, args=('获取循环任务0',redis_conn_0), trigger='interval', seconds=60*60*2, id='spider_ip_task0',max_instances=10) scheduler.add_job(func=aps_detection_ip, args=('检测循环任务1',redis_conn_1), trigger='interval', seconds=3, id='aps_detection_ip_task1',max_instances=10) scheduler._logger = logging # scheduler.start() if __name__ == '__main__': # print(get_ip_num()) # spider_ip("获取循环任务") scheduler.start() # aps_detection_ip("检测循环任务")
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。