这篇文章主要介绍了python如何基于redis实现ip代理池,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
使用apscheduler库定时爬取ip，定时检测ip删除ip，做了2层检测，第一层爬取后放入redis——db0进行检测，成功的放入redis——db1再次进行检测，确保获取的代理ip的可用性
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
|
import requests, redisimport pandasimport randomfrom apscheduler.schedulers.blocking import BlockingSchedulerimport datetimeimport loggingdb_conn = redis.ConnectionPool(host="*.*.*.*", port=6379, password="123456")redis_conn_0 = redis.Redis(connection_pool=db_conn, max_connections=10,db=0)redis_conn_1 = redis.Redis(connection_pool=db_conn, max_connections=10,db=1)# 删除redis数据库里的ipdef remove_ip(ip,redis_conn): redis_conn.zrem("IP", ip) print("已删除 %s..." % ip)# 获取redis数据库里一共有多少ipdef get_ip_num(redis_conn): num = redis_conn.zcard("IP") return num# 获取ip的端口def get_port(ip,redis_conn): port = redis_conn.zscore("IP", ip) port = str(port).replace(".0", "") return port# 添加ip和端口到数据库里def add_ip(ip, port,redis_conn): # nx: 不要更新已有的元素。总是添加新的元素,只有True，False redis_conn.zadd("IP", {ip: port}, nx=55) print("已添加 %s %s...ok" % (ip, port))# 列出所有的ipdef get_all_ip(redis_conn): all_ip = redis_conn.zrange("IP", 0, -1) return all_ip# 随机获取一个ipdef get_random_ip(redis_conn): end_num = get_ip_num(redis_conn) num = random.randint(0, end_num) random_ip = redis_conn.zrange("IP", num, num) if not random_ip: return "","" random_ip = str(random_ip[0]).replace("b", '').replace("'", "") port = get_port(random_ip,redis_conn) return random_ip, port# 获取代理ipdef spider_ip(x,redis_conn): print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'), x) for p in range(1, 20): res = pandas.read_html("http://www.89ip.cn/index_{}.html".format(p)) # print(res) # print(type(res[0])) for i in range(len(res[0])): ip = res[0].iloc[i, 0] port = res[0].iloc[i, 1] print("ip", ip) print("port", port) add_ip(str(ip), str(port),redis_conn)logging.basicConfig(level=logging.INFO, format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s', datefmt='%Y-%m-%d %H:%M:%S', filename='log1.txt', filemode='a')def aps_detection_ip(x,redis_conn): print(datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S'), x) res=get_random_ip(redis_conn) ip=res[0] port=res[1] try: requests.get("http://www.baidu.com",proxies={'https':'{ip}:{port}'.format(ip=ip,port=port)}) print("可用",ip,port,res) if redis_conn!=redis_conn_1: add_ip(str(ip), str(port), redis_conn_1) except Exception: # ip错误失效就删除 remove_ip(ip,redis_conn)scheduler = BlockingScheduler()scheduler.add_job(func=aps_detection_ip, args=('检测循环任务0',redis_conn_0), trigger='interval', seconds=3, id='aps_detection_ip_task0',max_instances=10)scheduler.add_job(func=spider_ip, args=('获取循环任务0',redis_conn_0), trigger='interval', seconds=60*60*2, id='spider_ip_task0',max_instances=10)scheduler.add_job(func=aps_detection_ip, args=('检测循环任务1',redis_conn_1), trigger='interval', seconds=3, id='aps_detection_ip_task1',max_instances=10)scheduler._logger = logging# scheduler.start()if __name__ == '__main__': # print(get_ip_num()) # spider_ip("获取循环任务") scheduler.start() # aps_detection_ip("检测循环任务") |
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/angelyan/p/12157374.html
