ProxyPool

跨语言高性能IP代理池，Python实现。

注意：请运行程序前先更新一下抓取代理的函数。

2017年7月会重构

运行环境

• Python 3.5

  (请务必保证Python的版本在3.5以上，否则异步检验无法使用。)

• Redis

  Redis官网并没有提供Windows的安装版，Windows用户可以点击此处下载一个我自己编译的二进制版本(3.2版本2.7MB，VS 2015编译)。

安装

① 直接使用

安装依赖

$ pip install -r requirements.txt

Windows用户如果无法安装lxml库请点击这里。

打开代理池和API

$ cd proxypool

$ python3 run.py

② 安装使用

安装

$ cd proxypool

$ python setup.py install

打开代理池和API

$ proxypool_run

③ 使用二进制包

Windows 用户可以点击此处获取此程序的二进制包，直接运行。

使用API获取代理

访问http://127.0.0.1:5000/进入主页，如果显示'Welcome'，证明成功启动。

访问http://127.0.0.1:5000/get可以获取一个可用代理。

访问http://127.0.0.1:5000/count可以获取代理池中可用代理的数量。

也可以在程序代码中用相应的语言获取，例如:

import requests
from bs4 import BeautifulSoup
import lxml

def get_proxy():
    r = requests.get('http://127.0.0.1:5000/get')
    proxy = BeautifulSoup(r.text, "lxml").get_text()
    return proxy

各模块功能

• proxyGetter.py

  爬虫模块

  • class proxypool.proxyGetter.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。

• schdule.py

  调度器模块

  • class proxypool.schdule.VaildityTester

    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.schdule.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.schdule.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，对外提供代理的获取功能。

• utils.py

  工具箱

• setting.py

  设置