Awesome
IPProxyTool
使用 scrapy 爬虫抓取代理网站,获取大量的免费代理 ip。过滤出所有可用的 ip,存入数据库以备使用。 可以访问我的个人站点,查看我的更多有趣项目 西瓜
感谢 youngjeff 和我一起维护该项目
运行环境
安装 python3 and mysql 数据库
cryptography模块安装环境:
sudo yum install gcc libffi-devel python-devel openssl-devel
$ pip install -r requirements.txt
下载使用
将项目克隆到本地
$ git clone https://github.com/awolfly9/IPProxyTool.git
进入工程目录
$ cd IPProxyTool
修改 mysql 数据库配置 config.py 中 database_config 的用户名和密码为数据库的用户名和密码
$ vim config.py
---------------
database_config = {
'host': 'localhost',
'port': 3306,
'user': 'root',
'password': '123456',
'charset': 'utf8',
}
MYSQL: 导入数据表结构
$ mysql> create database ipproxy;
Query OK, 1 row affected (0.00 sec)
$ mysql> use ipproxy;
Database changed
$ mysql> source '/你的项目目录/db.sql'
运行启动脚本 ipproxytool.py 也可以分别运行抓取,验证,服务器接口脚本,运行方法参考项目说明
$ python ipproxytool.py
新增异步验证方式,运行方法如下
$ python ipproxytool.py async
<br>
项目说明
抓取代理网站
所有抓取代理网站的代码都在 proxy<br/>
扩展抓取其他的代理网站
1.在 proxy 目录下新建脚本并继承自 BaseSpider <br/> 2.设置 name、urls、headers<br/> 3.重写 parse_page 方法,提取代理数据<br/> 4.将数据存入数据库 具体可以参考 ip181 kuaidaili<br/> 5.如果需要抓取特别复杂的代理网站,可以参考peuland<br/>
修改 run_crawl_proxy.py 导入抓取库,添加到抓取队列
可以单独运行 run_crawl_proxy.py 脚本开始抓取代理网站
$ python run_crawl_proxy.py
验证代理 ip 是否有效
目前验证方式:<br> 1.从上一步抓取并存储的数据库中取出所有的代理 IP <br> 2.利用取出的代理 IP 去请求 httpbin<br> 3.根据请求结果判断出代理 IP 的有效性,是否支持 HTTPS 以及匿名度,并存储到表 httpbin 中<br> 4.从 httpbin 表中取出代理去访问目标网站,例如 豆瓣<br> 5.如果请求在合适的时间返回成功的数据,则认为这个代理 IP 有效。并且存入相应的表中<br>
一个目标网站对应一个脚本,所有验证代理 ip 的代码都在 validator
扩展验证其他网站
1.在 validator 目录下新建脚本并继承 Validator <br> 2.设置 name、timeout、urls、headers <br> 3.然后调用 init 方法,可以参考 baidu douban<br> 4.如果需要特别复杂的验证方式,可以参考 assetstore<br>
修改 run_validator.py 导入验证库,添加到验证队列
可以单独运行 run_validator.py 开始验证代理ip的有效性
$ python run_validator.py
获取代理 ip 数据服务器接口
在 config.py 中修改启动服务器端口配置 data_port,默认为 8000 启动服务器
$ python run_server.py
服务器提供接口
获取
http://127.0.0.1:8000/select?name=httpbin&anonymity=1&https=yes&order=id&sort=desc&count=100
参数
Name | Type | Description | must |
---|---|---|---|
name | str | 数据库名称 | 是 |
anonymity | int | 1:高匿 2:匿名 3:透明 | 否 |
https | str | https:yes http:no | 否 |
order | str | table 字段 | 否 |
sort | str | asc 升序,desc 降序 | 否 |
count | int | 获取代理数量,默认 100 | 否 |
删除
http://127.0.0.1:8000/delete?name=httpbin&ip=27.197.144.181
参数
Name | Type | Description | 是否必须 |
---|---|---|---|
name | str | 数据库名称 | 是 |
ip | str | 需要删除的 ip | 是 |
插入
参数
Name | Type | Description | 是否必须 |
---|---|---|---|
name | str | 数据库名称 | 是 |
ip | str | ip 地址 | 是 |
port | str | 端口 | 是 |
country | str | 国家 | 否 |
anonymity | int | 1:高匿,2:匿名,3:透明 | 否 |
https | str | yes:https,no:http | 否 |
speed | float | 访问速度 | 否 |
source | str | ip 来源 | 否 |
TODO
- 添加多数据库支持
- mysql
- redis TODO...
- sqlite TODO...
- 添加抓取更多免费代理网站,目前支持的抓取的免费代理 IP 站点,目前有一些国外的站点连接不稳定
- (国外) http://www.freeproxylists.net/
- (国外) http://gatherproxy.com/
- (国内) https://hidemy.name/en/proxy-list/
- (国内) http://www.ip181.com/
- (国内) http://www.kuaidaili.com/
- (国外) https://proxy.peuland.com/proxy_list_by_category.htm
- (国外) https://list.proxylistplus.com/
- (国内) http://m.66ip.cn
- (国外) http://www.us-proxy.org/
- (国内) http://www.xicidaili.com
- 分布式部署项目
添加服务器获取接口更多筛选条件多进程验证代理 IP添加 https 支持添加检测 ip 的匿名度
参考
项目更新
-----------------------------2020-12-29----------------------------<br>
- 修改之前错误的路径命名
- 修改mysql 表结构 <br>
-----------------------------2017-6-23----------------------------<br> 1.python2 -> python3<br> 2.web.py -> flask<br> <br> -----------------------------2017-5-17----------------------------<br> 1.本系统在原来的基础上加入了docker。操作见下方,关于docker的相关知识可以上官网看看http://www.docker.com.<br> <br> -----------------------------2017-3-30----------------------------<br> 1.修改完善 readme<br> 2.数据插入支持事务<br> <br> -----------------------------2017-3-14----------------------------<br> 1.更改服务器接口,添加排序方式<br> 2.添加多进程方式验证代理 ip 的有效性<br> <br> -----------------------------2017-2-20----------------------------<br> 1.添加服务器获取接口更多筛选条件<br> <br>
-----------------------------2017-2-16----------------------------<br> 1.验证代理 IP 的匿名度<br> 2.验证代理 IP HTTPS 支持<br> 3.添加 httpbin 验证并发数设置,默认为 4
在系统中安装docker就可以使用本程序:
下载本程序
git clone https://github.com/awolfly9/IPProxyTool
然后进入目录:
cd IPProxyTool
创建镜像:
docker build -t proxy .
运行容器:
docker run -it proxy
在config.py中按照自己的需求修改配置信息
database_config = {
'host': 'localhost',
'port': 3306,
'user': 'root',
'password': 'root',
'charset': 'utf8',
}