代理IP的获取与使用

当一个用户访问目标网站出现了限制，说明IP就被限制了。封IP也是网站一种很常见的反爬机制。IP被封后，这时候要么等待，要么就使用代理IP去发出请求访问。这时候就需要使用代理IP池，那什么是代理IP池。

代理IP池：意思就是网络爬虫在采集数据中会遇到各种问题。就要使用隧道转发的代理ip，一个代理IP就一个IP，如果是几十万个代理IP合在一起构建为一个池子，就简称为代理IP池，代理IP池的构建不仅能维护IP池，网络爬虫采集数据时也能更有效的使用有效的代理IP去访问目标网站。

代理IP的获取：一开始许多网络爬虫用户需要代理IP的时候，都会再网上去采集那些免费代理IP，选择一些有效的代理IP，去充实自己的代理IP池。虽然免费的代理IP有个别代理能用，但是时间久了，采集网上的代理IP，不仅效率差，筛选慢，而且对自己的业务效果也不好。为了解决这种情况，所以就会有高匿爬虫代理IP，让网络爬虫多了一种选择，去网上选择一些代理商购买隧道转发的爬虫代理，来更有效的采集业务数据。

代理IP的质量：网络上采集免费代理IP，都没质量保证。所以市面上才有会许多付费高匿代理，其实付费高匿代理IP，也不能完全保证质量。代理IP的质量非常重要，保证好了IP质量，才能保证好业务的进展，所以在选择代理商的时候一定要选择一些自营线路，电信机房宽带，私密家庭IP，隧道转发代理IP，最好是业务独享模式管理的代理商。这样的代理商代理IP的质量一般都很稳定。

python爬虫实现实用爬虫代理：

  #! -*- encoding:utf-8 -*-

    import requests
    import random

    # 要访问的目标页面
    targetUrl = "http://httpbin.org/ip"

    # 要访问的目标HTTPS页面
    # targetUrl = "https://httpbin.org/ip"

    # 代理服务器(产品官网 www.16yun.cn)
    proxyHost = "t.16yun.cn"
    proxyPort = "31111"

    # 代理验证信息
    proxyUser = "username"
    proxyPass = "password"

    proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
        "host" : proxyHost,
        "port" : proxyPort,
        "user" : proxyUser,
        "pass" : proxyPass,
    }

    # 设置 http和https访问都是用HTTP代理
    proxies = {
        "http"  : proxyMeta,
        "https" : proxyMeta,
    }


    #  设置IP切换头
    tunnel = random.randint(1,10000)
    headers = {"Proxy-Tunnel": str(tunnel)}


    resp = requests.get(targetUrl, proxies=proxies, headers=headers)

    print resp.status_code
    print resp.text