在使用python对网页进行多次快速爬取的时候,访问次数过于频繁,服务器不会考虑User-Agent的信息,会直接把你视为爬虫从而过滤掉



拒绝你的访问,在这种时候就需要设置代理,我们可以给proxies属性设置一个代理的IP地址,


代码如下:


import requests
from lxml import etree
url = "http://api.kuainiaoip.com/test"
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 OPR/57.0.3098.116", }
pro = {
   # 'https': 'https://118.122.92.252:37901',        #四川省成都市 电信
   'https': 'https://27.17.45.90:43411',         #湖北省武汉市 电信
}
try:
   response = requests.get(url, headers=headers, proxies=pro)
   html_str = response.content.decode()
   # print(html_str)
   html = etree.HTML(html_str)
   message = html.xpath("//div[@class='well']//p/text()")
   ip = html.xpath("//div[@class='well']//p/code/text()")
   eng = html.xpath("//div[@class='well']/p/text()")
   print(message[0]+ip[0])
   print(message[1]+ip[1])
   print(eng[2])
except requests.exceptions.ProxyError as e:
   print("当前代理异常")
except:
   print("当前请求异常")


在上面的代码中,调用requests库对一个IP地址查询网页进行访问,随后使用lxml库的xpath对网页进行分析提取


返回用户访问此网页时自己的IP地址,如果代理设置成功,则会返回你的信息和IP地址