基于Scrapy框架的下载器中间件创建代理IP池

前言

本文中介绍 如何基于 Scrapy 框架的下载器中间件创建代理IP池。

正文

1、添加中间件的流程

1. 在 middlewares.py 中新建 代理IP 中间件类
2. 在 settings.py 中添加此下载器中间件，设置优先级并开启

2、基于Scrapy框架的下载器中间件创建User-Agent池的具体操作

1. 在 middlewares.py 中新建 代理IP 中间件类

   # 中间件2：随机的代理
   import random
   from .proxies import proxy_lstclass BaiduRandomProxyDownloaderMiddleware(object):def process_request(self, request, spider):"""创建代理IP池:param request::param spider::return:"""proxy = random.choice(proxy_lst)# 如何包装到请求对象中去？# 使用meta属性# 作用1：在不同解析函数之间传递数据 作用2：可以定义代理request.meta['proxy'] = proxyprint(proxy)def process_exception(self, request, exception, spider):"""处理异常：代理IP可能不能用，scrapy会自动尝试3次抛出异常，需要一直尝试:param request::param exception::param spider::return:"""# Called when a download handler or a process_request()# (from other downloader middleware) raises an exception.# Must either:# - return None: continue processing this exception# - return a Response object: stops process_exception() chain# - return a Request object: stops process_exception() chainreturn request```
   **注意1：因代理IP质量不一，故当遇到无效的代理 IP 时需要捕获异常更换 IP，或重新尝试，Scrapy 框架提供了 process_exception() 方法进行异常的捕获。**```pythondef process_exception(self,request,exception,spider):return request
   

   注意2：from .proxies import proxy_lst 是在项目目录下创建的存放代理 IP 的 py 文件

   proxy_lst = ['http://27.42.168.46:55481','http://61.216.185.88:60808',
   ]
   

   

2. 在 settings.py 中添加此下载器中间件，设置优先级并开启

   # Enable or disable downloader middlewares
   # See https://docs.scrapy.org/en/latest/topics/downloader-middleware.html
   # 开启中间件
   DOWNLOADER_MIDDLEWARES = {"BaiduMiddle.middlewares.BaidumiddleDownloaderMiddleware": 543,"BaiduMiddle.middlewares.BaiduRandomProxyDownloaderMiddleware": 300,
   }
   

3. 运行效果
   
   可以看到通过 代理IP 成功访问了百度。