Question

我用python编写了一个脚本，以抓取通过代理请求的网址。我在脚本中使用shuffle()来随机获取代理。该脚本在某种程度上运行良好。该脚本的问题在于，它无法使用任何有效的代理时，由于循环，它又用于另一个 url 。我该如何纠正脚本，以使其尝试使用列表中的每个代理（如果需要）以获取所有urls。

这是我的尝试：

import requests
from random import shuffle

url = "https://stackoverflow.com/questions?page={}&sort=newest"

def get_random_proxies():
    proxies = ['35.199.8.64:80', '50.224.173.189:8080', '173.164.26.117:3128']
    shuffle(proxies)
    return iter(proxies)

for link in [url.format(page) for page in range(1,6)]:
    proxy = next(get_random_proxies())
    try:
        response = requests.get(link,proxies={"http": "http://{}".format(proxy) , "https": "http://{}".format(proxy)})
        print(f'{response.url}\n{proxy}\n')
    except Exception:
        print("something went wrong!!" + "\n")
        proxy = next(get_random_proxies_iter())

我得到的输出：

https://stackoverflow.com/questions?page=1&sort=newest
35.199.8.64:80

https://stackoverflow.com/questions?page=2&sort=newest
50.224.173.189:8080

something went wrong!!

https://stackoverflow.com/questions?page=4&sort=newest
50.224.173.189:8080

something went wrong!!

您可以看到两个URL 'page=3&sort=newest'和'page=5&sort=newest'没有响应，而我的两个代理仍在工作。

后记：它们是免费代理，所以我有意发布了它们。

Answer 1

那又怎么样：

def get_random_proxies():
    proxies = ['35.199.8.64:80', '50.224.173.189:8080', '173.164.26.117:3128']
    shuffle(proxies)
    return proxies

for link in [url.format(page) for page in range(1,6)]:
    for proxy in get_random_proxies():
        try:
            response = requests.get(link,proxies={"http":proxy , "https": proxy})
            print(f'{response.url}\n{proxy}\n')
            break  # success, stop trying proxies
        except Exception:
            print("something went wrong!!" + "\n")

我不确定return(iter(...))和next(result)的计划是什么，但是更传统的方法是只返回列表，然后根据需要遍历列表的一部分。您已经完成了列表，返回列表无需花费任何精力。

无法正确使用代理

1 个答案: