getproxy 是一个抓取发放代理网站,获取 http/https 代理的程序
pip install getproxy
➜ ~ 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
(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
...
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 |
class Proxy(object):
def __init__(self):
self.result = []
self.proxies = []
def start(self):
pass
{
"host": "1.1.1.1",
"port": 8080,
"from": "plugin name"
}
- 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
)
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)
- 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, 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