2022-03-16 16:45

3·15晚会于昨晚开播,今年曝光了很多项问题,席卷范围广、时间跨度长,涉及直播运营违规、“土坑”酸菜、免费Wi-Fi暗藏漏洞、电动车超速改装等方面。涉及公司包括英迈思、康师傅、统一等,美股上市公司容联云,在曝光这些问题后各大资讯网站的热点大都是和这些事件有关。

今日头条如今在自媒体领域算是比较强大的存在,今天就带大家利用python爬去今日头条的关于3.15的热点新闻。在访问的过程中像这样的大型网站是不能无限爬取的。会有一定的反爬机制。如何应对这些反爬机制是爬虫工作者必备的技能,像代理ip使用虽然是比较简单的,但是对于很多爬虫来说找到优质靠谱的ip比较难。所以今天这里我们通过获取今日头条热点数据和大家交流一下代理ip的使用和选择。这里推荐大家可以试试动态转发模式的代理,比传统api方式的更简便,更节省时间,使用方式如下:

 #! -*- 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

以上是代理使用过程的完整示例,我们直接使用到爬虫程序里面就可以获取数据,当然示例只是参考,里面的参数是需要商家提供后才能生效的,有需要的可以咨询这里


评论