import requests
import time
from selenium import webdriver
from selenium.webdriver.chrome.options import Options

# kuaidaili 结果排序 默认 按响应速度(从快到慢)VIP 按最后检测时间(从近到远)VIP
"""
订单号*
 查看我的订单  从网页提取
提取数量*
 数量该怎么填?
所在地区
 多个地区用英文逗号分隔  如何筛选地区?
排除地区
 多个地区用英文逗号分隔  查看实时地区分布>>
筛选端口号
 多个端口用英文逗号分隔  查看实时端口分布>>
排除端口号
 多个端口用英文逗号分隔
筛选IP段
 筛选以特定部分开头的IP
排除IP段
 排除以特定部分开头的IP
运营商
无所谓 联通/网通 电信 移动 铁通 教育网 阿里云
匿名度
高匿名 匿名 透明 查看实时匿名度分布>>
响应速度
极速(<1秒) 快速(1~3秒) 慢速(>3秒) 查看实时速度分布>>
代理协议
全部 HTTP HTTPS (同时也支持HTTP) 查看实时协议分布>>
POST支持
全部 GET POST (同时也支持GET) 查看GET/POST分布>>
代理稳定性新
不筛选 稳定VIP 非常稳定SVIP 了解代理稳定性
结果排序
默认 按响应速度(从快到慢)VIP 按最后检测时间(从近到远)VIP
结果定制VIP
IP:Port 地区 匿名度 代理协议 响应速度(秒)
历史提取次数专业版把计数清零
提取结果包含的字段(顺序排列, 英文逗号分隔)
浏览器支持
谷歌浏览器(Chrome) IE / 360浏览器 火狐浏览器(Firefox) 其它浏览器 如何勾选?

安卓手机浏览器 iPhone手机浏览器 iPad浏览器 查看浏览器支持分布>>
IP去重
过滤今天提取过的IP
返回格式
文本 jsonVIP xmlVIP
结果分隔符
\r\n分隔 \n分隔 空格分隔 |分隔 自定义
"""

"""
结果排序 按响应速度(从快到慢)
匿名度 高匿名
代理协议 HTTP
#http://dev.kuaidaili.com/api/getproxy/?orderid=123112322452122&num=30&b_pcchrome=1&b_pcie=1&b_pcff=1&protocol=1&method=2&an_ha=1&sp1=1&quality=1&sort=1&sep=2

"""

proxyip_d = {}
def gen_proxyip_dict_qps(
        url_proxyip='http://dev.kuaidaili.com/api/getproxy/?orderid=123112322452122&num=proxyip_num&b_pcchrome=1&b_pcie=1&b_pcff=1&protocol=1&method=2&an_ha=1&sp1=1&quality=1&sort=1&sep=2',
        proxyip_num=30, peroid_seconds=300):
    global proxyip_d

url = url_proxyip.replace('proxyip_num', str(proxyip_num))
    # floating point number
    # Return the current time in seconds since the Epoch.
    current_time = time.time()
    if current_time - proxyip_d['last_request_timestamp'] > peroid_seconds:
        try:
            r = requests.get(url)
            proxyip_d['last_request_timestamp'] = int(time.time())
            if r.status_code == 200:
                # 不校验返回结果,假设合法且可用
                l = r.text.split('\n')
                proxyip_d['ip_list'] = [i for i in set(l)]
        except Exception as e:
            ## log
            s = '%s%s' % ('', e)

def fetch_one_proxyip(url_proxyip='http://dev.kuaidaili.com/api/getproxy/?orderid=123112322452122&num=proxyip_num',
                      proxyip_num=30, peroid_seconds=300):
    global proxyip_d
    if 'ip_list' not in proxyip_d:
        proxyip_d['ip_list'] = []
    if 'last_request_timestamp' not in proxyip_d:
        proxyip_d['last_request_timestamp'] = 0
    gen_proxyip_dict_qps(url_proxyip=url_proxyip, proxyip_num=proxyip_num, peroid_seconds=peroid_seconds)

# 根据商家返回结果的排序规则,优先使用前ip
    try:
        r = proxyip_d['ip_list'][0]
        del proxyip_d['ip_list'][0]
    except Exception as e:
        gen_proxyip_dict_qps(peroid_seconds=0)
        r = 'localhost'
        print(e)
    print(proxyip_d['ip_list'])
    print(r)
   # r = 'localhost'
    return r

from selenium import webdriver
from  bs4 import BeautifulSoup
import json
import time

from selenium.webdriver.common.proxy import *

f, s_l = 'biz0.txt', []

with open(f, 'r', encoding='utf-8') as fo:
    for i in fo:
        s_l.append(i.replace('\n', ''))

#browser = webdriver.Chrome().minimize_window()
# def spider_l_t_w(s_wd='长尾词'):
#     #global browser
#     # browser = webdriver.Chrome()
#
#     myproxyip = fetch_one_proxyip() # IP:PORT or HOST:PORT
#
#     chrome_options = webdriver.ChromeOptions()
#     chrome_options.add_argument('--proxy-server=%s' % myproxyip)
#
#     # chrome = webdriver.Chrome(chrome_options=chrome_options)
#     # chrome_options = Options()
#     # chrome_options.add_experimental_option("mobileEmulation", mobile_emulation)
#     browser = webdriver.Chrome(chrome_options=chrome_options)
#
#     url_seed = 'https://m.baidu.com/s?word=s_wd'
#     url_seed='http://www.zzyjschina.com.cn/shenzhen.html'
#    # url_seed = 'https://www.baidu.com/s?word=s_wd'
#
#     url_seed = url_seed.replace('s_wd', s_wd)
#     print(url_seed)
#     #browser.set_window_size(30, 30)
#
#     browser.get(url_seed)
#     # time.sleep(2)
#     # browser.minimize_window()
#     rd = BeautifulSoup(browser.page_source, 'html.parser').find_all('a', class_='rw-item')
#     res_d_l = [{'contents': d.contents, 'href': d.attrs['href']} for d in rd]
#     browser.quit()
#     #browser.close()
#     return res_d_l

def spider_l_t_w(s_wd='长尾词'):
    #global browser
    # browser = webdriver.Chrome()

myproxyip = fetch_one_proxyip() # IP:PORT or HOST:PORT

# chrome_options = webdriver.Firefox()
    # chrome_options.add_argument('--proxy-server=%s' % myproxyip)
    #
    # # chrome = webdriver.Chrome(chrome_options=chrome_options)
    # # chrome_options = Options()
    # # chrome_options.add_experimental_option("mobileEmulation", mobile_emulation)
    # browser = webdriver.Chrome(chrome_options=chrome_options)

myProxy =fetch_one_proxyip()

proxy = Proxy({
        'proxyType': ProxyType.MANUAL,
        'httpProxy': myProxy,
        'ftpProxy': myProxy,
        'sslProxy': myProxy,
        'noProxy': ''  # set this value as desired
    })

browser = webdriver.Firefox(proxy=proxy)
    print(browser)
    url_seed = 'https://m.baidu.com/s?word=s_wd'
   # url_seed='http://www.zzyjschina.com.cn/shenzhen.html'
   # url_seed = 'https://www.baidu.com/s?word=s_wd'

url_seed = url_seed.replace('s_wd', s_wd)
    print(url_seed)
    #browser.set_window_size(30, 30)

browser.get(url_seed)
    # time.sleep(2)
    # browser.minimize_window()
    rd = BeautifulSoup(browser.page_source, 'html.parser').find_all('a', class_='rw-item')
    res_d_l = [{'contents': d.contents, 'href': d.attrs['href']} for d in rd]
    browser.quit()
    #browser.close()
    return res_d_l

save_c, save_limit, fw = 0, 30, open('biz0.res.txt', 'a', encoding='utf-8')

for i in s_l:
    try:
        d = spider_l_t_w(i)
        s = json.dumps(d, ensure_ascii=False)
    except Exception as e:
        s = e
    s = '%s\n%s\n\n' % (i, s)
    fw.write(s)
    save_c += 1
    if save_c == save_limit:
        fw.close()
        fw = open('biz0.res.txt', 'a', encoding='utf-8')

d = 9

-- google  不能

-- firefox ok

myProxy = fetch_one_proxyip()

proxy = Proxy({
'proxyType': ProxyType.MANUAL,
'httpProxy': myProxy,
'ftpProxy': myProxy,
'sslProxy': myProxy,
'noProxy': '' # set this value as desired
})
browser = webdriver.Firefox(proxy=proxy)
print(browser)
url_seed = 'https://m.baidu.com/s?word=s_wd'
url_seed = url_seed.replace('s_wd', 'fddf')
print(url_seed)
browser.set_window_size(30, 30)
try:
browser.get(url_seed)
except Exception as e:
print('---------', e)

最新文章

  1. ssh-keygen不是内部或外部命令
  2. 51nod 1605 棋盘问题 (博弈)
  3. 【转载,整理】域名CNAME解析配置,使用域名B作为域名A的CNAME记录值
  4. 利用 Composer 完善自己的 PHP 框架(二)——发送邮件
  5. jQuery,javascript获得网页的高度和宽度
  6. SecureCRT恢复默认字体
  7. MVC系列之开始
  8. 利用C++ RAII技术自动回收堆内存
  9. 《FPGA零基础入门到精通视频教程》-第002计数器(Modelsim前仿真)
  10. javascript 版的 SuperMario
  11. C++网络爬虫抓取图片
  12. mybatis 的逆向工程
  13. Redis之Hash
  14. 用Socket编写的聊天小程序
  15. reshape的两个函数melt和dcast
  16. ubuntu中利用qtcreator引用opencv249及采起采集卡的共享库
  17. Pickup Objective Actor
  18. redmine3.2 的部署
  19. idea中Eclipse Code Formatter插件设置和使用,以及注释模板的修改
  20. Java基础教程(23)--lambda表达式

热门文章

  1. 剑指Offer(书):二进制中1的个数
  2. 我的java web之路(JSP基本语法)
  3. 一份快速实用的 tcpdump 命令参考手册
  4. JavaScript 的类型
  5. CactiI表结构和数据被动获取
  6. Leetcode 309.最佳买卖股票时机含冷冻期
  7. zoj 2835 Magic Square(set)
  8. 什么样的经历,才能领悟成为架构师? &gt;&gt;&gt;
  9. 【思维】2017多校训练七 HDU6121 Build a tree
  10. 2018 江苏省邀请赛 H