python爬蟲urllib（1） —使用代理ip，模擬不同瀏覽器爬取網站

一、爬蟲任務

爬取網站的標題

步驟：
1、創建proxyHandler（代理ip）->創建opener
2、創建請求對象（不同瀏覽器）
3、發送請求
4、正則清洗數據

二、python腳本

import random
import re
from urllib import request

#url
url="http://www.baidu.com"

#代理ip
proxylist=[{"http":"120.194.18.90:81"},{"http":"39.137.168.229:80"}]
proxy=random.choice(proxylist)
print(proxy)

#在headers設置不同User-Agent，模擬不同瀏覽器
agent1="Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1)"
agent2="Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.142 Safari/535.19"
agent3="Mozilla/5.0 (Windows NT 6.1; rv:17.0) Gecko/20100101 Firefox/17.0 "
agent4="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.57.2 (KHTML, like Gecko) Version/5.1.7 Safari/534.57.2"
agent5="Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5"
agentlist=[agent1,agent2,agent3,agent4,agent5]
agent=random.choice(agentlist)
print(agent)
headers={"User-Agent":agent}

#創建處理器,用來創建opener
proxyHandler=request.ProxyHandler(proxy)

#創建opener
opener=request.build_opener(proxyHandler)

#創建請求對象
req=request.Request(url,headers=headers)

#發送請求，返回響應
response=opener.open(req).read().decode()

#用正則清洗數據
pat=r'<title>(.*?)</title>'
data=re.findall(pat,response)

#輸出結果
print(data[0])

三、結果