爬虫：使用 MySQL 维护 IP 代理池-轻识

点击蓝色“Python交流圈”关注我丫

加个“星标”，每天一起进步一点点

来源：夏悠然然
https://blog.csdn.net/qq_42730750/article/details/108026476

【导语】：做爬虫的时候，难免会快速多次地访问某个网站，触发网站的反爬虫机制，就会“封IP”。解决方法之一就是用代理池，本文就向大家介绍使用Mysql维护一个代理池的方法。

1. 配置PyCharm

为了方便写SQL代码及实时关注数据库的信息，我们先配置一下PyCharm。

找到PyCharm右边栏的Database，点击它，然后它的界面会弹出来，点击+号，选择数据库。

如图示操作，找到我们的小鲸鱼MySQL，点击进入。

通过这个界面就可以配置MySQL了，这里有几个填写的我已经作了标注，简单介绍一下：

Name: 本次的配置的名字，这里我填的是spider，也可以使用默认名@localhost。

Host: 数据库的IP地址，因为我的MySQL在本地，所以这里我填的就是localhost。

User: 数据库的用户名。

Password: 数据库的密码。

Database: 数据库的名字，我这里提前建了一个名为spider的数据库。

URL: 这里我们在后面加上?serverTimezone=UTC,否则的话等会儿我们连接时会出现Server returns invalid timezone. Go to ‘Advanced’ tab and set‘serverTimezone’ property manually.错误，或者按照错误提示，去Advanced选项配置一下Advanced。

配置完后就点击Test Connection按钮，如果提示缺少驱动文件，直接在弹出的对话框点击下载即可，不出意外的话，就会在下面出现连接成功的信息。

插入数据后，按图示操作刷新一下，然后双击数据表，就可以看到数据表中的信息了，美滋滋ヾ(@▽@)ノ。

2. 函数介绍

这里我们通过pymysql库来操作MySQL数据库，我的数据库版本是8.0.16，还是去年安装的，这里不再叙述其安装步骤了，问问度娘。

维护我们代理IP池的大致流程就是：先建立一个数据表ipproxy，包含有ip字段、score字段，因为有些IP有时候可以用，有时候不可以，所以这里对每个要存入数据库的IP设置一个分数，我这里设置的最高分是5，也就是质量最高。如果我们在使用过程中发现IP不能用了，就将其分数减1；如果可以用，且分数小于5，就加1，然后定期清理分数为0的IP。

3. 代码实现

这里只贴出了增加的数据库操作代码及修改后的IP测试代码。

import pymysqlimport requestsfrom bs4 import BeautifulSoupimport pickleimport aiohttpimport asyncioimport timeimport random

async def test_newip(ip_, url, ip_ok):    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '                             'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}    conn = aiohttp.TCPConnector(verify_ssl=False)    async with aiohttp.ClientSession(connector=conn) as session:        print('正在测试ip: ' + ip_)        try:            proxy_ip = 'http://' + ip_            async with session.get(url=url, headers=headers, proxy=proxy_ip, timeout=15) as response:                if response.status == 200:                    print('代理可用: ' + ip_)                    ip_ok.append((ip_, 5))                else:                    print('请求响应码不合法 ' + ip_)        except:            ip_ok.append((ip_, 4))            print('代理请求失败', ip_)

async def test_mysqlip(ip_, url, ip_ok):    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '                             'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}    conn = aiohttp.TCPConnector(verify_ssl=False)    async with aiohttp.ClientSession(connector=conn) as session:        print('正在测试ip: ' + ip_[0])        try:            proxy_ip = 'http://' + ip_[0]            async with session.get(url=url, headers=headers, proxy=proxy_ip, timeout=15) as response:                if response.status == 200:                    print('ip可用: ' + ip_[0])                    new_score = 5 if ip_[1] == 5 else ip_[1] + 1                    ip_ok.append((ip_[0], new_score))                else:                    print('请求响应码不合法 ' + ip_[0])        except:            new_score = 0 if ip_[1] == 0 else ip_[1] - 1            ip_ok.append((ip_[0], new_score))            print('代理请求失败', ip_[0])

def get_mysqlip():    db = pymysql.connect(host='localhost', port=3306, user='用户名', password='密码',                         database='数据库名', charset='utf8')    cursor = db.cursor()    sql = 'select ip, score from ipproxy'    try:        cursor.execute(sql)        mysql_ip = list(cursor.fetchall())        return mysql_ip    except Exception as err:        print('查询错误!!!')        print(err)

def update_ipscore(ip_list):    db = pymysql.connect(host='localhost', port=3306, user='用户名', password='密码',                         database='数据库名', charset='utf8')    cursor = db.cursor()    for ip_ in ip_list:        sql = 'update ipproxy set score=%s where ip=%s'        cursor.execute(sql, (ip_[1], ip_[0]))        db.commit()    cursor.close()    db.close()

def delete_ip():    db = pymysql.connect(host='localhost', port=3306, user='用户名', password='密码',                         database='数据库名', charset='utf8')    cursor = db.cursor()    sql = 'delete from ipproxy where score=0'    try:        cursor.execute(sql)    except Exception as err:        print('删除错误!!!')        print(err)    db.commit()    cursor.close()    db.close()

def delete_ideticalip():    db = pymysql.connect(host='localhost', port=3306, user='用户名', password='密码',                         database='数据库名', charset='utf8')    cursor = db.cursor()    sql = 'delete from ipproxy where ip in (select ip  from (select ip from ipproxy group by ip having count(*)>1) s1)' \          'and id not in (select id from (select id from ipproxy group by ip having count(*)>1) s2)'    try:        cursor.execute(sql)    except Exception as err:        print('删除错误!!!')        print(err)    db.commit()    cursor.close()    db.close()

def insert_ip(ip_list):    # 新爬取的ip直接插入数据库    db = pymysql.connect(host='localhost', port=3306, user='用户名', password='密码',                         database='数据库名', charset='utf8')    cursor = db.cursor()    sql = 'create table if not exists ipproxy(' \          'id int not null primary key auto_increment, ' \          'ip char(21) not null , ' \          'score int not null ) default charset utf8'    cursor.execute(sql)
    try:        sql = 'insert into ipproxy (ip, score) values (%s, %s)'        cursor.executemany(sql, ip_list)        # cursor.execute('drop table ipproxy')    except Exception as err:        print('插入错误!!!')        print(err)    db.commit()    cursor.close()    db.close()

def insret_mysqlip(urls):    ip_list1 = get_66ip()    ip_list2 = get_kaixinip()    ip_list3 = get_goubanjiaip()    ip_list = list(set(ip_list1 + ip_list2 + ip_list3))    print('已做去重处理!')
    ip_ok = []    print('开始测试新爬取的ip: ')    try:        loop = asyncio.get_event_loop()        for i in range(0, len(ip_list), 10):            proxies_ip = ip_list[i: i + 10]            tasks = [test_newip(proxy_ip, random.choice(urls), ip_ok) for proxy_ip in proxies_ip]            loop.run_until_complete(asyncio.wait(tasks))            time.sleep(3)    except Exception as err:        print('发生错误:', err.args)
    insert_ip(ip_ok)    print('数据保存完毕!')

def update_mysqlip(urls):    ip_list = get_mysqlip()    ip_ok = []    print('开始测试新爬取的ip: ')    try:        loop = asyncio.get_event_loop()        for i in range(0, len(ip_list), 10):            proxies_ip = ip_list[i: i + 10]            tasks = [test_mysqlip(proxy_ip, random.choice(urls), ip_ok) for proxy_ip in proxies_ip]            loop.run_until_complete(asyncio.wait(tasks))            time.sleep(3)    except Exception as err:        print('发生错误:', err.args)
    update_ipscore(ip_ok)  print('数据更新完毕!')
    delete_ip()    print('已删除score为0的ip!')
    delete_ideticalip()    print('已做去重处理!')
if __name__ == '__main__':    urls = ['https://blog.csdn.net/qq_42730750/article/details/107868879',            'https://blog.csdn.net/qq_42730750/article/details/107931738',            'https://blog.csdn.net/qq_42730750/article/details/107869022',            'https://blog.csdn.net/qq_42730750/article/details/108016855',            'https://blog.csdn.net/qq_42730750/article/details/107703589',            'https://blog.csdn.net/qq_42730750/article/details/107869233',            'https://blog.csdn.net/qq_42730750/article/details/107869944',            'https://blog.csdn.net/qq_42730750/article/details/107919690']
    insret_mysqlip(urls)    update_mysqlip(urls)

--End--

近期热门推荐?
1、大厂的 404 页面都长啥样？看到最后一个，我笑了。。。
2、爬取QQ音乐全部歌曲
3、11 月全国程序员平均工资出炉，看你拉后退了没
4、用 Python 使用 Google Colab？岂止是炫酷
5、Ubuntu被曝严重漏洞：切换系统语言+输入几行命令，就能获取root权限
6、Python 爬虫之某壳公寓投诉分析
关注公众号，回复“001”
领取Python入门+进阶+实战开发92天全套视频教程

点赞最大的支持