深度IP转换器
服务时间 :周一至周日 9:00-23:00 电话:400-998-9776 转2
您的位置:首页 > 新闻资讯 > 正文
IP代理池的设计过程
发布时间:2019年11月25日

  在浏览一些爬虫技术网站的时候,代理IP池这个词出现的频率很高,如果对于网络爬虫还是比较新接触的用户,可能不太明白这是什么意思。下面代理IP通过代理池的设计流程,来给大家分解介绍。

IP代理池的设计过程

  IP精灵代理池设计教程:

  代理池由四部分组成:

  ProxyGetter:

  代理获取接口,网上找到免费IP的提供商,每调用一次就会抓取网站的最新代理放入DB,可自行添加额外的代理获取接口;

  DB:

  用于存放代理IP,现在暂时只支持SSDB。至于为什么选择SSDB,大家可以参考这篇文章,个人觉得SSDB是个不错的Redis替代方案,如果你没有用过SSDB,安装起来也很简单。

  Schedule:

  计划任务用户定时去检测DB中的代理可用性,删除不可用的代理。同时也会主动通过ProxyGetter去获取最新代理放入DB。

  ProxyApi:

  代理池的外部接口,由于现在这么代理池功能比较简单,花两个小时看了下Flask,愉快的决定用Flask搞定。功能是给爬虫提供get/delete/refresh等接口,方便爬虫直接使用。

  到了代码模块:

  Python中高层次的数据结构,动态类型和动态绑定,使得它非常适合于快速应用开发,也适合于作为胶水语言连接已有的软件部件。用Python来搞这个代理IP池也很简单,代码分为6个模块:

  Api:

  api接口相关代码,目前api是由Flask实现,代码也非常简单。客户端请求传给Flask,Flask调用ProxyManager中的实现,包括get/delete/refresh/get_all。

  Manager:

  get/delete/refresh/get_all等接口的具体实现类,目前代理池只负责管理proxy,日后可能会有更多功能,比如代理和爬虫的绑定,代理和账号的绑定等等。

  DB:

  数据库相关代码,目前数据库是采用SSDB。代码用工厂模式实现,方便日后扩展其他类型数据库。

  Schedule:

  定时任务相关代码,现在只是实现定时去刷新代码,并验证可用代理,采用多进程方式。

  ProxyGetter:

  代理获取的相关代码,目前抓取了快代理、代理66、有代理、西刺代理、guobanjia这个五个网站的免费代理,经测试这个5个网站每天更新的可用代理只有六七十个,当然也支持自己扩展代理接口。

  Util:

  存放一些公共的模块方法或函数,包含GetConfig:读取配置文件config.ini的类,ConfigParse:集成重写ConfigParser的类,使其对大小写敏感,Singleton:实现单例,LazyProperty:实现类属性惰性计算。

  其他文件:

  配置文件:Config.ini,数据库配置和代理获取接口配置,可以在GetFreeProxy中添加新的代理获取方法,并在Config.ini中注册即可使用。

  上面就是代理IP池的组成部分,这样分解之后,相信大家也能够直观认识到代理池了。当然了,大家也可以直接用付费代理IP提取搭建。