我如何从线程中的每个请求中获取新的 ip？

Question

我尝试使用 TOR 代理进行抓取，并且在一个线程中一切正常，但这很慢。 我尝试做一些简单的事情：

def get_new_ip():
    with Controller.from_port(port = 9051) as controller:
        controller.authenticate(password="password")
        controller.signal(Signal.NEWNYM)
        time.sleep(controller.get_newnym_wait())


def check_ip():
    get_new_ip()
    session = requests.session()
    session.proxies = {'http': 'socks5h://localhost:9050', 'https': 'socks5h://localhost:9050'}
    r = session.get('http://httpbin.org/ip')
    r.text


with Pool(processes=3) as pool:
    for _ in range(9):
        pool.apply_async(check_ip)
    pool.close()
    pool.join()

当我运行它时，我看到了输出：

{"origin": "95.179.181.1, 95.179.181.1"}
{"origin": "95.179.181.1, 95.179.181.1"}
{"origin": "95.179.181.1, 95.179.181.1"}
{"origin": "151.80.53.232, 151.80.53.232"}
{"origin": "151.80.53.232, 151.80.53.232"}
{"origin": "151.80.53.232, 151.80.53.232"}
{"origin": "145.239.169.47, 145.239.169.47"}
{"origin": "145.239.169.47, 145.239.169.47"}
{"origin": "145.239.169.47, 145.239.169.47"}

为什么会发生这种情况？如何为每个线程分配自己的 IP？ 顺便说一下，我尝试了 TorRequests、TorCtl 之类的库，结果是一样的。

我知道TOR在发布新IP之前似乎有延迟，但是为什么同一个IP会进入不同的进程？

Answer 1

如果您希望每个连接使用不同的 IP，您还可以通过为每个连接指定不同的代理 username:password 组合，在 SOCKS 上使用 Stream Isolation。

使用此方法，您只需要一个 Tor 实例，并且每个请求客户端可以使用具有不同出口节点的不同流。

为了进行设置，为每个 requests.session 对象添加唯一的代理凭据，如下所示：socks5h://username:password@localhost:9050

import random
from multiprocessing import Pool
import requests

def check_ip():
    session = requests.session()
    creds = str(random.randint(10000,0x7fffffff)) + ":" + "foobar"
    session.proxies = {'http': 'socks5h://{}@localhost:9050'.format(creds), 'https': 'socks5h://{}@localhost:9050'.format(creds)}
    r = session.get('http://httpbin.org/ip')
    print(r.text)


with Pool(processes=8) as pool:
    for _ in range(9):
        pool.apply_async(check_ip)
    pool.close()
    pool.join()

Tor 浏览器通过将凭据设置为 firstpartydomain:randompassword 来隔离每个域的流，其中 randompassword 是每个唯一第一方域的随机 nonce。

如果您正在抓取同一个站点并且想要随机 IP，则为每个会话使用随机的用户名：密码组合。如果您正在抓取随机域并希望对域的请求使用相同的电路，请使用 Tor 浏览器的 domain:randompassword 方法获取凭据。

Answer 2

您只有一个代理，它正在侦听端口 9050。所有 3 个进程都通过该代理并行发送请求，因此它们共享相同的 IP。

正在发生的事情是：

1. 所有 3 个进程都要求代理获取新 IP
2. 代理请求新 IP 3 次，收到 3 个响应并应用最后一个，或者它会识别出它已经在等待新 IP 并忽略其中 2 个请求，一起回答其中 3 个。这将取决于代理实现。
3. 进程通过代理发送它们的请求，这会产生相同的 IP。
4. 进程已完成，另外 3 个进程已启动。冲洗并重复。

这就是为什么每个 3 个请求块的 IP 都相同的原因。
您需要 3 个独立代理才能同时拥有 3 个不同的 IP。

---

编辑：

使用锁并假设在后台运行 3 个代理的可能解决方案：

import contextlib, threading, time

_controller_ports = [
    # (Controller Lock, connection port, management port)
    (threading.Lock(), 9050, 9051),
    (threading.Lock(), 9060, 9061),
    (threading.Lock(), 9070, 9071),
]

def get_new_ip_for(port):
    with Controller.from_port(port=port) as controller:
        controller.authenticate(password="password")
        controller.signal(Signal.NEWNYM)
        time.sleep(controller.get_newnym_wait())

@contextlib.contextmanager
def get_port_with_new_ip():
    while True:
        for lock, con_port, manage_port in _controller_ports:
            if lock.acquire(blocking=False):
                get_new_ip_for(manage_port)
                yield con_port
                lock.release()
                break
        time.sleep(1)

def check_ip():
    with get_port_with_new_ip() as port:
        session = requests.session() 
        session.proxies = {'http': f'socks5h://localhost:{port}', 'https': f'socks5h://localhost:{port}'}
        r = session.get('http://httpbin.org/ip')
        print(r.text)

with Pool(processes=3) as pool:
    for _ in range(9):
        pool.apply_async(check_ip)
    pool.close()
    pool.join()