随机使用不同代理和用户代理的智能屏幕抓取?

使用如下内容:

import urllib2
import time
import random

MAX_WAIT = 5
ids = ...
agents = ...
proxies = ...

for id in ids:
    url = 'http://abc.com/view_page.aspx?ID=%d' % id
    opener = urllib2.build_opener(urllib2.ProxyHandler({'http' : proxies[0]}))
    html = opener.open(urllib2.Request(url, None, {'User-agent': agents[0]})).read()
    open('%d.html' % id, 'w').write(html)
    agents.append(agents.pop()) # cycle
    proxies.append(proxies.pop())
    time.sleep(MAX_WAIT*random.random())

使用UNIX工具 wget . 它可以选择指定自定义用户代理以及每次检索页面之间的延迟。

你可以看到 wget(1) man page 更多信息。

如果不想使用开放代理,请签出 ProxyMesh 它可以为您进行IP旋转/随机化。