getproxy

getproxy 是一个抓取发放代理网站，获取 http/https 代理的程序，每 15 min 会更新数据至 fate0/proxylist

1. 安装

pip install -U getproxy

2. 使用

帮助信息

➜  ~ getproxy --help
Usage: getproxy [OPTIONS]

Options:
  --in-proxy TEXT   Input proxy file
  --out-proxy TEXT  Output proxy file
  --help            Show this message and exit.

--in-proxy 可选参数，待验证的 proxies 列表文件
--out-proxy 可选参数，输出已验证的 proxies 列表文件，如果为空，则直接输出到终端

--in-proxy 文件格式和 --out-proxy 文件格式一致

使用例子

(test2.7) ➜  ~ getproxy
INFO:getproxy.getproxy:[*] Init
INFO:getproxy.getproxy:[*] Current Ip Address: 1.1.1.1
INFO:getproxy.getproxy:[*] Load input proxies
INFO:getproxy.getproxy:[*] Validate input proxies
INFO:getproxy.getproxy:[*] Load plugins
INFO:getproxy.getproxy:[*] Grab proxies
INFO:getproxy.getproxy:[*] Validate web proxies
INFO:getproxy.getproxy:[*] Check 6666 proxies, Got 666 valid proxies

...

3. 输入/返回格式

每一行结果都是一个 json 字符串，格式如下:

{
    "type": "http",
    "host": "1.1.1.1",
    "port": 8080,
    "anonymity": "transparent",
    "country": "CN",
    "response_time": 3.14,
    "from": "txt"
}

属性	类型	描述	可选值
type	str	proxy 类型	`http`, `https`
host	str	proxy 地址
port	int	端口
anonymity	str	匿名性	`transparent`, `anonymous`, `high_anonymous`
country	str	proxy 国家
response_time	float	响应时间
from	str	来源

4. Plugin 相关

Plugin 代码格式

class Proxy(object):
    def __init__(self):
        self.result = []
        self.proxies = []

    def start(self):
        pass

Plugin 返回结果

{
    "host": "1.1.1.1",
    "port": 8080,
    "from": "plugin name"
}

Plugin 小提示

不要在 plugin 内使用多线程、gevent 等方法
如果目标网站存在分页，请在获取每页内容之后，自行添加 delay
如果目标网站存在分页，请在获取每页结果之后，及时放入 self.result 中
如果被目标网站 ban 了，可以利用已经验证的 proxies (也就是 self.proxies)

5. 第三方程序调用

直接运行 getproxy 等同于执行下面程序:

#! /usr/bin/env python
# -*- coding: utf-8 -*-

from getproxy import GetProxy

g = GetProxy()

# 1. 初始化，必须步骤
g.init()

# 2. 加载 input proxies 列表
g.load_input_proxies()

# 3. 验证 input proxies 列表
g.validate_input_proxies()

# 4. 加载 plugin
g.load_plugins()

# 5. 抓取 web proxies 列表
g.grab_web_proxies()

# 6. 验证 web proxies 列表
g.validate_web_proxies()

# 7. 保存当前所有已验证的 proxies 列表
g.save_proxies()

如果只想验证 proxies 列表，并不需要抓取别人的 proxies，则可以:

g.init()
g.load_input_proxies()
g.validate_input_proxies()

print(g.valid_proxies)

如果当前程序不需要输出 proxies 列表，而是在程序中直接使用，则可以:

g.init()
g.load_plugins()
g.grab_web_proxies()
g.validate_web_proxies()

print(g.valid_proxies)

6. Q & A

为什么不使用 xxx 数据库？

数据量并不大，就算用文本格式全读进内存，也占用不了多少内存，就算真的需要存储至数据库，自己再多写几行代码就搞定。另外使用文本格式还有另外一个好处是可以创建这个项目 fate0/proxylist

和 xxx 有什么区别?

简单、方便、快捷，除了 Python 环境，其他都不用设置。

报错啦，怎么办?

仔细看看错误信息，是不是一些 plugin 报错误，而且错误都是和网络相关的？如果是的话，可能这些 plugin 访问的网站由于众所周知的原因被 block 了。如果不是，赶紧提 Issue。

还继续添加新的 plugin 吗？

主要看这个项目 fate0/proxylist 中的 proxy.list 数量，如果 proxy.list 行数接近 5000 个，那就不再继续添加新的 plugin，防止 travis 15min 内不结束。

RedAtman/proxy_collector