<table class="python">
<tr class="li1"><td class="ln"><pre class="de1">1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171 搜索引擎，但由于大学本科学习软件工程偏嵌入式方向，web方面的能力有点弱，不会jsp，不懂html， 好久没有玩过sql，但就是趁着年轻人的这股不妥协的劲儿，硬是把以前没有学习的全部给学了一遍，现在感觉web原来也就那么回事。好了，废 话就不说了，看到本文的读者，可以先看看我做的东西：http://www.. 言归正传，由于我要爬取百度网盘，而度娘你懂的的搞爬虫出生的，反爬虫的能力很牛掰。尤其像我用我的电脑去爬百度网盘，爬几天百度就盯 上了我的机子，爬虫开始爬不出东西。之后网上东查，西查，发现可以通过代理来解决这个问题，所以又去爬代理。我爬的是这个网站：http://www../ 之后他貌似他开始反击，我又将魔爪指向了http://www..。 想必看这篇博文的多半是程序猿，所以还是先上代码我会写注释的，放心，该爬虫以http://www../为目标: json . bs4 BeautifulSoup MysqLdb mdb DB_HOST DB_USER DB_PASS ID ST uk classify proxy u:u ProxyServer: : 数据库初始化，我用的是MysqL . mdb.DB_HOST DB_USER DB_PASS charset .. . . . . . .. .. get_prxynum: 函数用来爬取代理 num: proxyIDukclassifyST count page : . : 代理伪装，这个.表示我什么时候开始换代理 ST % : .. r .: countr STcount: ST 数据库的第1000条开始换的，这段你可以改，搞个随机函数随机换，我写的很简单 ..ST results .. r results: protocolr ipr portr proprotocolip++port pro .: ..pro . ST+ proxy_support .proxy 注册代理 opener .proxy_support .opener 添加头信息，模仿浏览器抓取网页，对付返回403禁止访问的问题 i_headers : url+classify+ + page html_doc