python爬虫urllib（1） —使用代理ip，模拟不同浏览器爬取网站

女爷i 2022-03-02 15:44 311阅读 0赞

### 文章目录 ###

*   *   *  一、爬虫任务
         *  二、python脚本
         *  三、结果

### 一、爬虫任务 ###

爬取网站的标题

步骤：  
1、创建proxyHandler（代理ip）->创建opener  
2、创建请求对象（不同浏览器）  
3、发送请求  
4、正则清洗数据

### 二、python脚本 ###

import random
    import re
    from urllib import request
    
    #url
    url="http://www.baidu.com"
    
    #代理ip
    proxylist=[{"http":"120.194.18.90:81"},{"http":"39.137.168.229:80"}]
    proxy=random.choice(proxylist)
    print(proxy)
    
    #在headers设置不同User-Agent，模拟不同浏览器
    agent1="Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1)"
    agent2="Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.142 Safari/535.19"
    agent3="Mozilla/5.0 (Windows NT 6.1; rv:17.0) Gecko/20100101 Firefox/17.0 "
    agent4="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.57.2 (KHTML, like Gecko) Version/5.1.7 Safari/534.57.2"
    agent5="Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5"
    agentlist=[agent1,agent2,agent3,agent4,agent5]
    agent=random.choice(agentlist)
    print(agent)
    headers={"User-Agent":agent}
    
    #创建处理器,用来创建opener
    proxyHandler=request.ProxyHandler(proxy)
    
    #创建opener
    opener=request.build_opener(proxyHandler)
    
    #创建请求对象
    req=request.Request(url,headers=headers)
    
    #发送请求，返回响应
    response=opener.open(req).read().decode()
    
    #用正则清洗数据
    pat=r'<title>(.*?)</title>'
    data=re.findall(pat,response)
    
    #输出结果
    print(data[0])

### 三、结果 ###

![在这里插入图片描述][20190320200845728.png]

[20190320200845728.png]: /images/20220302/ff026cad37e64354b23eefc0ac2d6b8e.png