【Pythonスクリプト】-Python利用可能なエージェントIPの検索

Python爬虫類を使用する場合、IPエージェントを使用することがあります.何気なく無料エージェントIPのサイトを発見しました:http://www.xicidaili.com/nn/.しかし、多くのIPが使えないことに気づいた.そこでPythonでスクリプトを書きました.このスクリプトは使えるエージェントIPを検出することができます.スクリプトは次のとおりです.

#encoding=utf8
import urllib2
from bs4 import BeautifulSoup
import urllib
import socket

User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'
header = {}
header['User-Agent'] = User_Agent

'''
      IP  
'''
def getProxyIp():
    proxy = []
    for i in range(1,2):
        try:
            url = 'http://www.xicidaili.com/nn/'+str(i)
            req = urllib2.Request(url,headers=header)
            res = urllib2.urlopen(req).read()
            soup = BeautifulSoup(res)
            ips = soup.findAll('tr')
            for x in range(1,len(ips)):
                ip = ips[x]
                tds = ip.findAll("td")
                ip_temp = tds[1].contents[0]+"\t"+tds[2].contents[0]
                proxy.append(ip_temp)
        except:
            continue
    return proxy
	
'''
       IP      
'''
def validateIp(proxy):
    url = "http://ip.chinaz.com/getip.aspx"
    f = open("E:\ip.txt","w")
    socket.setdefaulttimeout(3)
    for i in range(0,len(proxy)):
        try:
            ip = proxy[i].strip().split("\t")
            proxy_host = "http://"+ip[0]+":"+ip[1]
            proxy_temp = {"http":proxy_host}
            res = urllib.urlopen(url,proxies=proxy_temp).read()
            f.write(proxy[i]+'
')
            print proxy[i]
        except Exception,e:
            continue
    f.close()

			
if __name__ == '__main__':
    proxy = getProxyIp()
    validateIp(proxy)

正常に実行されると、Eディスクの下にあるファイルが開き、以下のプロキシIPアドレスとポートが表示されます.

これは最初のページのIPアドレスを這い出すだけで、必要があれば、何ページも這い出すことができます.また、同サイトは常に更新されており、上位ページだけを登ることをお勧めします.