如何在Python爬虫等程序中设置和调用http代理

在Python爬虫中为了更好地绕过反爬机制，获取网页信息，有时可能需要在Python中应用代理服务，这样做的目的就是防止自己的ip被服务器封禁，造成程序运行时中断连接，那么如何在python中设置代理呢？我们通过几个实例来看一下，其实也不麻烦。

一、在requests中设置代理

在爬虫中我最常用的是reqeusts这个模块，除了设置user-agent, cookie之外，我们还可以加上代理ip。下面我们给出一个利用http或https代理来访问XXX网站。其中http或https代理可以通过在服务器上安装x-ui，设置http代理用户名和密码来实现。有时，为了避免ip被封禁，可以绑定域名，用极光面板来设置中转代理，然后采用中转的域名来访问服务器，可以加快访问速度和安全性。

import requests

# 设置代理，包括用户名和密码
proxy_username = 'user' #设置代理的用户名
proxy_password = 'password' #设置代理的密码
proxy_host = 'ip:port' #这里设置服务器的域名或ip并助加上端口

proxies = {
    'http': f'http://{proxy_username}:{proxy_password}@{proxy_host}',
    'https': f'http://{proxy_username}:{proxy_password}@{proxy_host}',
}

# 发起请求
try:
    response = requests.get('https://www. XXX.com', proxies=proxies) #XXX替换为你要爬取的网站
    print(response.text)  # 打印响应内容
except requests.exceptions.RequestException as e:
    print(f'请求出错: {e}')

二、在edge-tts中设置代理

最近edge-tts文本转音频的调用受到了限制，访问起来十分不便，我们可以在python实现代理服务，从而避开模块的限制。

import edge_tts
import asyncio

# 设置代理，包括用户名、密码、服务器ip和端口
proxy_username = 'user'
proxy_password = 'password'
proxy_host = 'ip:port'
proxy = f'http://{proxy_username}:{proxy_password}@{proxy_host}'

async def main():
    # 创建一个 TTS 客户端
    communicate = edge_tts. Communicate(
        text="Hello, this is a text to speech conversion.",
        voice="en-US-AriaNeural",
        proxy= proxy
    )

    # 生成音频
    await communicate.save("output.mp3")

# 运行主函数
asyncio.run(main())

三、设置代理池proxy-pool

单个代理可能会出现失效的情况，我们可以设置一个代理池，把代理信息放到txt文件里，每次通过Python程序读取txt中的代理，随机调用代理池中的一个代理，即对代理池进行轮训，这样可以最大限度减少IP封禁的可能。这个代理也可以设置单个代理，通过get_proxy来获得。

import random
class Proxy:
    def __init__(self, username, password, host):
        self.username = username
        self.password = password
        self.host = host

    def get_proxy(self):
        return f'http://{self.username}:{self.password}@{self.host}'

class ProxyPool:
    def __init__(self):
        self.proxies = []

    def add_proxy(self, username, password, host):
        proxy = Proxy(username, password, host)
        self.proxies.append(proxy)

    def load_proxies_from_file(self, file_path):
        with open(file_path, 'r') as file:
            for line in file:
                username, password, host = line.strip().split(',')
                self.add_proxy(username, password, host)

    def get_random_proxy(self):
        if not self.proxies:
            raise ValueError("Proxy pool is empty.")
        return random.choice(self.proxies).get_proxy()

# 示例用法
if __name__ == '__main__':
    proxy_pool = ProxyPool()
    
    # 从文件加载代理
    proxy_pool.load_proxies_from_file('proxy.txt')

    # 随机获取一个代理
    random_proxy = proxy_pool.get_random_proxy()
    print(random_proxy)

使用以上程序，需要我们可以把代理信息放到proxy.txt文件中，用户名、密码和服务器信息用逗号隔开，这样运行程序后，我们可以随机调用一个代理，从而模拟多人使用此项服务的目的。

四、如何随机调用代理池中的代理

我们把设置好的代理信息放到proxy.txt中格式如下图所示：

代理格式

然后，我们通过以下代码随机调用代理池中的内容，并打印出来。这样每次向服务器发请求就是随机代理，减少了程序中断的可能性。

from proxypool import ProxyPool #导入模块
proxy_pool = ProxyPool() #实例化

# 从文件加载代理
proxy_pool.load_proxies_from_file('proxy.txt')

# 随机获取一个代理
random_proxy = proxy_pool.get_random_proxy()

# 打印出来获取的代理
print(random_proxy)

五、学后总结

一直以来，我以为Python中的代理设置非常麻烦，事实上，经常测试，其实也不难。

问题的关键是找到一个有效的http代理，并在Python程序中设置好。

这是一个Python的进阶技巧，学会这个方法，可以解决很多程序运行受限的问题。