爬蟲新利器：揭秘 Github 火爆的開源 IP 代理池秘密！
遇到網頁爬取、漏洞挖掘或滲透測試時，常常碰到請求被攔截的煩惱，導致任務中斷。而為了繼續發送請求數據，代理池技術應運而生。它就像一個神奇的「池子」，只需請求代理池，就能得到一個代理IP地址。如果你的IP被攔截，別急，可以隨機換成另一個代理IP地址，輕松繼續完成訪問請求。今天，就讓我們一起來簡單了解一下IP代理池的安裝與使用，掌握隱藏IP的小技巧！
最近在GitHub上發現了一個十分優秀的項目，名為proxy_pool[1]的免費代理池工具。該項目完全開源，一直有著積極的開發者維護，活躍度也相當高。
項目介紹
proxy_pool項目采用Python語言開發，主要實現了以下功能：
- 定時抓取免費代理網站，具有簡易可擴展性。
- 使用Redis對代理進行存儲，并對代理的可用性進行排序。
- 定時進行測試和篩選，清除不可用的代理，保留可用的代理。
- 提供代理API，可以隨機獲取經過測試的可用代理。
目前，該項目已經斬獲了5.3K顆星（GitHub Star），受到廣泛關注和認可。
部署方式
您可以通過兩種方式來運行代理池。一種方式是使用Docker（推薦），另一種方式是通過常規方式運行。具體要求如下：
1.Docker
如果使用 Docker，則需要安裝如下環境：
- Docker
- Docker-Compose
安裝方法自行搜索即可。 官方 Docker Hub 鏡像：germey/proxypool[2]
2.常規方式
常規方式要求有 Python 環境、Redis 環境，具體要求如下：
- Python>=3.6
- Redis
Docker 運行
如果已經安裝好了Docker和Docker-Compose，只需一條命令即可輕松運行。
docker-compose up運行結果類似如下：
redis | 1:M 19 Feb 2020 17:09:43.940 * DB loaded from disk: 0.000 seconds
redis | 1:M 19 Feb 2020 17:09:43.940 * Ready to accept connections
proxypool | 2020-02-19 17:09:44,200 CRIT Supervisor is running as root. Privileges were not dropped because no user is specified in the config file. If you intend to run as root, you can set user=root in the config file to avoid this message.
proxypool | 2020-02-19 17:09:44,203 INFO supervisord started with pid 1
proxypool | 2020-02-19 17:09:45,209 INFO spawned: 'getter' with pid 10
proxypool | 2020-02-19 17:09:45,212 INFO spawned: 'server' with pid 11
proxypool | 2020-02-19 17:09:45,216 INFO spawned: 'tester' with pid 12
proxypool | 2020-02-19 17:09:46,596 INFO success: getter entered RUNNING state, process has stayed up for > than 1 seconds (startsecs)
proxypool | 2020-02-19 17:09:46,596 INFO success: server entered RUNNING state, process has stayed up for > than 1 seconds (startsecs)
proxypool | 2020-02-19 17:09:46,596 INFO success: tester entered RUNNING state, process has stayed up for > than 1 seconds (startsecs)可以看到 Redis、Getter、Server、Tester 都已經啟動成功。 這時候訪問http://localhost:5555/random 即可獲取一個隨機可用代理。
當然你也可以選擇自己 Build，直接運行如下命令即可：
docker-compose -f build.yaml up使用
成功運行之后可以通過http://localhost:5555/random 獲取一個隨機可用代理。
可以用程序對接實現，下面的示例展示了獲取代理并爬取網頁的過程：
import requests
proxypool_url = 'http://127.0.0.1:5555/random'
target_url = 'http://httpbin.org/get'
def get_random_proxy():
"""
get random proxy from proxypool
:return: proxy
"""
return requests.get(proxypool_url).text.strip()
def crawl(url, proxy):
"""
use proxy to crawl page
:param url: page url
:param proxy: proxy, such as 8.8.8.8:8888
:return: html
"""
proxies = {'http': 'http://' + proxy}
return requests.get(url, proxies=proxies).text
def main():
"""
main method, entry point
:return: none
"""
proxy = get_random_proxy()
print('get random proxy', proxy)
html = crawl(target_url, proxy)
print(html)
if __name__ == '__main__':
main()運行結果如下：
get random proxy 116.196.115.209:8080
{
"args": {},
"headers": {
"Accept": "*/*",
"Accept-Encoding": "gzip, deflate",
"Host": "httpbin.org",
"User-Agent": "python-requests/2.22.0",
"X-Amzn-Trace-Id": "Root=1-5e4d7140-662d9053c0a2e513c7278364"
},
"origin": "116.196.115.209",
"url": "https://httpbin.org/get"
}可以看到成功獲取了代理，并請求 httpbin.org 驗證了代理的可用性。
寫到最后
在網絡數據獲取和安全測試中，代理池是一個非常有用的工具，能夠幫助用戶有效地管理和利用代理資源，提高工作效率。通過本文的介紹，希望您對代理池的原理和使用有了更深入的了解。無論是對于開發者還是安全工程師來說，掌握代理池的使用技巧都將成為您工作中的利器。
Reference：
- [1]proxy_pool:https://github.com/Python3WebSpider/ProxyPool
- [2]germey/proxypool:https://hub.docker.com/r/germey/proxypool
