使用 Python“请求”进行代理模块

Question

这是关于 Python 优秀 Requests 模块的简短介绍。

我似乎无法在文档中找到变量“代理”应包含的内容。当我向它发送一个带有标准“IP:PORT”值的字典时，它拒绝了它要求的 2 个值。 所以，我猜（因为这似乎没有在文档中涵盖）第一个值是 ip，第二个值是端口？

文档仅提到这一点：

代理 –（可选）字典映射协议到代理的 URL。

所以我尝试了这个...我应该做什么？

proxy = { ip: port}

在将它们放入字典之前我应该​​将它们转换为某种类型吗？

r = requests.get(url,headers=headers,proxies=proxy)

Answer 1

proxies 的字典语法为 {"protocol": "scheme://ip:port", ...}。使用它，您可以为使用 http、https 和 ftp 协议的请求指定不同（或相同）代理：

http_proxy  = "http://10.10.1.10:3128"
https_proxy = "https://10.10.1.11:1080"
ftp_proxy   = "ftp://10.10.1.10:3128"

proxies = { 
              "http"  : http_proxy, 
              "https" : https_proxy, 
              "ftp"   : ftp_proxy
            }

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

从请求文档：

参数：
method – 新 Request 对象的方法。
url – 新 Request 对象的 URL。
...
proxies –（可选）字典映射 协议到代理的URL。
...

---

在 Linux 上，您还可以通过 HTTP_PROXY、HTTPS_PROXY 和 FTP_PROXY 环境变量来执行此操作：

export HTTP_PROXY=10.10.1.10:3128
export HTTPS_PROXY=10.10.1.11:1080
export FTP_PROXY=10.10.1.10:3128

在 Windows 上：

set http_proxy=10.10.1.10:3128
set https_proxy=10.10.1.11:1080
set ftp_proxy=10.10.1.10:3128

Answer 2

您可以在此处参考代理文档。

如果您需要使用代理，则可以使用任何请求方法的 proxies 参数配置单个请求：

import requests

proxies = {
  "http": "http://10.10.1.10:3128",
  "https": "https://10.10.1.10:1080",
}

requests.get("http://example.org", proxies=proxies)

要对代理使用 HTTP 基本身份验证，请使用 http://user:[电子邮件受保护]/ 语法：

proxies = {
    "http": "http://user:[email protected]:3128/"
}

Answer 3

我发现 urllib 有一些非常好的代码来获取系统的代理设置，并且它们恰好采用正确的形式可以直接使用。你可以这样使用它：

import urllib

...
r = requests.get('http://example.org', proxies=urllib.request.getproxies())

它工作得非常好，并且 urllib 也知道如何获取 Mac OS X 和 Windows 设置。

Answer 4

接受的答案对我来说是一个好的开始，但我不断收到以下错误：

AssertionError: Not supported proxy scheme None

解决此问题的方法是在代理网址中指定 http:// 因此：

http_proxy  = "http://194.62.145.248:8080"
https_proxy  = "https://194.62.145.248:8080"
ftp_proxy   = "10.10.1.10:3128"

proxyDict = {
              "http"  : http_proxy,
              "https" : https_proxy,
              "ftp"   : ftp_proxy
            }

我很想知道为什么原始版本对某些人有效，但是不是我。

编辑：我看到主要答案现在已更新以反映这一点:)

Answer 5

如果您想保留 cookie 和会话数据，最好这样做：

import requests

proxies = {
    'http': 'http://user:[email protected]:3128',
    'https': 'https://user:[email protected]:3128',
}

# Create the session and set the proxies.
s = requests.Session()
s.proxies = proxies

# Make the HTTP request through the session.
r = s.get('http://www.showmemyip.com/')

Answer 6

晚了8年。但我喜欢：

import os
import requests

os.environ['HTTP_PROXY'] = os.environ['http_proxy'] = 'http://http-connect-proxy:3128/'
os.environ['HTTPS_PROXY'] = os.environ['https_proxy'] = 'http://http-connect-proxy:3128/'
os.environ['NO_PROXY'] = os.environ['no_proxy'] = '127.0.0.1,localhost,.local'

r = requests.get('https://example.com')  # , verify=False

Answer 7

文档
给出了一个非常清晰的代理使用示例

import requests

proxies = {
  'http': 'http://10.10.1.10:3128',
  'https': 'http://10.10.1.10:1080',
}

requests.get('http://example.org', proxies=proxies)

，但是，没有记录的是，即使架构相同，您甚至可以为单个 url 配置代理！
当您想对要抓取的不同网站使用不同的代理时，这会派上用场。

proxies = {
  'http://example.org': 'http://10.10.1.10:3128',
  'http://something.test': 'http://10.10.1.10:1080',
}

requests.get('http://something.test/some/url', proxies=proxies)

此外，requests.get本质上在底层使用了requests.Session，因此如果您需要更多控制，请直接使用它

import requests

proxies = {
  'http': 'http://10.10.1.10:3128',
  'https': 'http://10.10.1.10:1080',
}
session = requests.Session()
session.proxies.update(proxies)

session.get('http://example.org')

我用它来设置后备（默认代理） ）处理与字典中指定的架构/URL 不匹配的所有流量

import requests

proxies = {
  'http': 'http://10.10.1.10:3128',
  'https': 'http://10.10.1.10:1080',
}
session = requests.Session()
session.proxies.setdefault('http', 'http://127.0.0.1:9009')
session.proxies.update(proxies)

session.get('http://example.org')

Answer 8

我刚刚制作了一个代理抓取器，也可以在没有任何输入的情况下与相同的抓取代理连接
这是：

#Import Modules

from termcolor import colored
from selenium import webdriver
import requests
import os
import sys
import time

#Proxy Grab

options = webdriver.ChromeOptions()
options.add_argument('headless')
driver = webdriver.Chrome(chrome_options=options)
driver.get("https://www.sslproxies.org/")
tbody = driver.find_element_by_tag_name("tbody")
cell = tbody.find_elements_by_tag_name("tr")
for column in cell:

        column = column.text.split(" ")
        print(colored(column[0]+":"+column[1],'yellow'))
driver.quit()
print("")

os.system('clear')
os.system('cls')

#Proxy Connection

print(colored('Getting Proxies from graber...','green'))
time.sleep(2)
os.system('clear')
os.system('cls')
proxy = {"http": "http://"+ column[0]+":"+column[1]}
url = 'https://mobile.facebook.com/login'
r = requests.get(url,  proxies=proxy)
print("")
print(colored('Connecting using proxy' ,'green'))
print("")
sts = r.status_code

Answer 9

这是我在 python 中的请求模块的基本类，带有一些代理配置和秒表！

import requests
import time
class BaseCheck():
    def __init__(self, url):
        self.http_proxy  = "http://user:pw@proxy:8080"
        self.https_proxy = "http://user:pw@proxy:8080"
        self.ftp_proxy   = "http://user:pw@proxy:8080"
        self.proxyDict = {
                      "http"  : self.http_proxy,
                      "https" : self.https_proxy,
                      "ftp"   : self.ftp_proxy
                    }
        self.url = url
        def makearr(tsteps):
            global stemps
            global steps
            stemps = {}
            for step in tsteps:
                stemps[step] = { 'start': 0, 'end': 0 }
            steps = tsteps
        makearr(['init','check'])
        def starttime(typ = ""):
            for stemp in stemps:
                if typ == "":
                    stemps[stemp]['start'] = time.time()
                else:
                    stemps[stemp][typ] = time.time()
        starttime()
    def __str__(self):
        return str(self.url)
    def getrequests(self):
        g=requests.get(self.url,proxies=self.proxyDict)
        print g.status_code
        print g.content
        print self.url
        stemps['init']['end'] = time.time()
        #print stemps['init']['end'] - stemps['init']['start']
        x= stemps['init']['end'] - stemps['init']['start']
        print x


test=BaseCheck(url='http://google.com')
test.getrequests()

Answer 10

已经测试过，以下代码有效。需要使用HTTPProxyAuth。

import requests
from requests.auth import HTTPProxyAuth


USE_PROXY = True
proxy_user = "aaa"
proxy_password = "bbb"
http_proxy = "http://your_proxy_server:8080"
https_proxy = "http://your_proxy_server:8080"
proxies = {
    "http": http_proxy,
    "https": https_proxy
}

def test(name):
    print(f'Hi, {name}')  # Press Ctrl+F8 to toggle the breakpoint.
    # Create the session and set the proxies.
    session = requests.Session()
    if USE_PROXY:
        session.trust_env = False
        session.proxies = proxies
        session.auth = HTTPProxyAuth(proxy_user, proxy_password)

    r = session.get('https://www.stackoverflow.com')
    print(r.status_code)

if __name__ == '__main__':
    test('aaa')

Answer 11

虽然有点晚了，但这里有一个包装类，可以简化抓取代理，然后进行 http POST 或 GET：

ProxyRequests

https://github.com/rootVIII/proxy_requests

Answer 12

我分享了一些代码，如何从网站“https://free-proxy-list.net”获取代理并将数据存储到与“Elite Proxy Switcher”（格式 IP:PORT）等工具兼容的文件中：

##PROXY_UPDATER -从 https://free-proxy-list.net/ 获取免费代理

from lxml.html import fromstring
import requests
from itertools import cycle
import traceback
import re

######################FIND PROXIES#########################################
def get_proxies():
    url = 'https://free-proxy-list.net/'
    response = requests.get(url)
    parser = fromstring(response.text)
    proxies = set()
    for i in parser.xpath('//tbody/tr')[:299]:   #299 proxies max
        proxy = ":".join([i.xpath('.//td[1]/text()') 
        [0],i.xpath('.//td[2]/text()')[0]])
        proxies.add(proxy)
    return proxies



######################write to file in format   IP:PORT######################
try:
    proxies = get_proxies()
    f=open('proxy_list.txt','w')
    for proxy in proxies:
        f.write(proxy+'\n')
    f.close()
    print ("DONE")
except:
    print ("MAJOR ERROR")