在學(xué)習(xí)Python爬蟲的時(shí)候，經(jīng)常會(huì)遇見所要爬取的網(wǎng)站采取了反爬取技術(shù)，高強(qiáng)度、高效率地爬取網(wǎng)頁信息常常會(huì)給網(wǎng)站服務(wù)器帶來巨大壓力，所以同一個(gè)IP反復(fù)爬取同一個(gè)網(wǎng)頁，就很可能被封，這里講述一個(gè)爬蟲技巧，設(shè)置代理IP。

（一）配置環(huán)境

（二）代碼展示

# IP地址取自國內(nèi)髙匿代理IP網(wǎng)站：http://www.xicidaili.com/nn/# 僅僅爬取首頁IP地址就足夠一般使用from bs4 import BeautifulSoupimport requestsimport randomdef get_ip_list(url, headers):  web_data = requests.get(url, headers=headers)  soup = BeautifulSoup(web_data.text, 'lxml')  ips = soup.find_all('tr')  ip_list = []  for i in range(1, len(ips)):    ip_info = ips[i]    tds = ip_info.find_all('td')    ip_list.append(tds[1].text + ':' + tds[2].text)  return ip_listdef get_random_ip(ip_list):  proxy_list = []  for ip in ip_list:    proxy_list.append('http://' + ip)  proxy_ip = random.choice(proxy_list)  proxies = {'http': proxy_ip}  return proxiesif __name__ == '__main__':  url = 'http://www.xicidaili.com/nn/'  headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36'  }  ip_list = get_ip_list(url, headers=headers)  proxies = get_random_ip(ip_list)  print(proxies)函數(shù)get_ip_list(url, headers)傳入url和headers，最后返回一個(gè)IP列表，列表的元素類似42.84.226.65:8888格式，這個(gè)列表包括國內(nèi)髙匿代理IP網(wǎng)站首頁所有IP地址和端口。 

函數(shù)get_random_ip(ip_list)傳入第一個(gè)函數(shù)得到的列表，返回一個(gè)隨機(jī)的proxies，這個(gè)proxies可以傳入到requests的get方法中，這樣就可以做到每次運(yùn)行都使用不同的IP訪問被爬取的網(wǎng)站，有效地避免了真實(shí)IP被封的風(fēng)險(xiǎn)。proxies的格式是一個(gè)字典：{‘http': ‘http://42.84.226.65:8888‘}。

（三）代理IP的使用

運(yùn)行上面的代碼會(huì)得到一個(gè)隨機(jī)的proxies，把它直接傳入requests的get方法中即可。

web_data = requests.get(url, headers=headers, proxies=proxies)

總結(jié)

以上所述是小編給大家介紹的Python爬蟲設(shè)置代理IP的方法(爬蟲技巧)，希望對(duì)大家有所幫助，如果大家有任何疑問歡迎給我留言，小編會(huì)及時(shí)回復(fù)大家的！