爬虫：使用 MySQL 维护 IP 代理池
（给Python开发者加星标，提升Python技能）
【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 randomasync 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] + 1ip_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] - 1ip_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_ipexcept 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)
免责声明：本文仅代表文章作者的个人观点，与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺，请读者仅作参考，并自行核实相关内容。