4.使用Redis+Flask维护动态代理池

许多⽹网站有专⻔门的反爬⾍虫措施，可能遇到封IP等问题。
互联⽹网上公开了了⼤大量量免费代理理，利利⽤用好资源。
通过定时的检测维护同样可以得到多个可⽤用代理理。

2.代理池的要求

多站抓取, 异步检测

定时筛选, 持续更新

提供接口, 易于提取

3.代理池架构

4.使用Redis+Flask维护动态代理池

4.github上下载代理池维护的代码

https://github.com/Germey/ProxyPool

安装Python

至少Python3.5以上
安装Redis

安装好之后将Redis服务开启
配置代理池

cd proxypool

进入proxypool目录，修改settings.py文件

PASSWORD为Redis密码，如果为空，则设置为None
安装依赖

pip3 install -r requirements.txt

打开代理池和API

python3 run.py

获取代理

利用requests获取方法如下

import requests

PROXY_POOL_URL = 'http://localhost:5000/get'

def get_proxy():
    try:
        response = requests.get(PROXY_POOL_URL)
        if response.status_code == 200:
            return response.text
    except ConnectionError:
        return None

各模块功能

    getter.py

        爬虫模块

        class proxypool.getter.FreeProxyGetter

            爬虫类，用于抓取代理源网站的代理，用户可复写和补充抓取规则。

    schedule.py

        调度器模块

        class proxypool.schedule.ValidityTester

            异步检测类，可以对给定的代理的可用性进行异步检测。

        class proxypool.schedule.PoolAdder

            代理添加器，用来触发爬虫模块，对代理池内的代理进行补充，代理池代理数达到阈值时停止工作。

        class proxypool.schedule.Schedule

            代理池启动类，运行RUN函数时，会创建两个进程，负责对代理池内容的增加和更新。

    db.py

        Redis数据库连接模块

        class proxypool.db.RedisClient

            数据库操作类，维持与Redis的连接和对数据库的增删查该，

    error.py

        异常模块

        class proxypool.error.ResourceDepletionError

            资源枯竭异常，如果从所有抓取网站都抓不到可用的代理资源，

            则抛出此异常。

        class proxypool.error.PoolEmptyError

            代理池空异常，如果代理池长时间为空，则抛出此异常。

    api.py

        API模块，启动一个Web服务器，使用Flask实现，对外提供代理的获取功能。

    utils.py

        工具箱

    setting.py

        设置

View Code