Python爬蟲技巧一之設置ADSL撥號伺服器代理

01-28

那夜

那是一個寂靜的深夜，科比還沒起床練球，雖然他真的可能不練了。

我廢了好大勁，爬蟲終於寫好了！BUG也全部調通了！心想，終於可以坐享其成了！

泡杯茶，安靜地坐在椅子上看著屏幕上一行行文字在控制台跳出，一條條數據嗖嗖進入我的資料庫，一張張圖片悄悄存入我的硬碟。人生沒有幾個比這更愜意的事情了。

我端起茶杯，抿了一口，靜靜地回味著茶香。

這時，什麼情況！屏幕爆紅了！爆紅了！一口茶的功夫啊喂！

怎麼回事！咋爬不動了，不動了！我用瀏覽器點開那一個個報錯的鏈接，瀏覽器顯示

您的請求過於頻繁，IP已經被暫時封禁，請稍後再試！

沃日，我IP被封了？此時此刻，空氣凝固了，茶也不再香了，請給我一個愛的抱抱啊。

時候不早了，還是洗洗睡吧。

次日

那一晚，輾轉反側難以入睡。

怎麼辦？怎麼辦？如果是你你該怎麼辦？

手動換個IP？得了吧，一會又要封了，還能不能安心睡覺啊？

找免費代理？可行，不過我之前測過不少免費代理IP，一大半都不好用，而且慢。不過可以一直維護一個代理池，定時更新。

買代理？可以可以，不過優質的代理服務商價格可是不菲的，我買過一些廉價的，比如幾塊錢套餐一次提取幾百IP的，算了還是不說了都是淚。

然而最行之有效的方法是什麼？那當然是ADSL撥號！

這是個啥？且聽我慢慢道來。

什麼是ADSL

ADSL （Asymmetric Digital Subscriber Line ，非對稱數字用戶環路）是一種新的數據傳輸方式。它因為上行和下行帶寬不對稱，因此稱為非對稱數字用戶線環路。它採用頻分復用技術把普通的電話線分成了電話、上行和下行三個相對獨立的信道，從而避免了相互之間的干擾。

他有個獨有的特點，每撥一次號，就獲取一個新的IP。也就是它的IP是不固定的，不過既然是撥號上網嘛，速度也是有保障的，用它搭建一個代理，那既能保證可用，又能自由控制撥號切換。

如果你是用的ADSL上網方式，那就不用過多設置了，直接自己電腦調用一個撥號命令就好了，自動換IP，分分鐘解決封IP的事。

然而，你可能說？我家寬頻啊，我連得公司無線啊，我蹭的網上的啊！那咋辦？

這時，你就需要一台VPS撥號主機。

購買伺服器

某度廣告做的那麼好是吧？一搜一片，這點谷歌可是遠遠比不上啊。

於是乎，我就搜了搜，鍵入：撥號伺服器，有什麼騎士互聯啊、無極網路啊、掛機寶啊等等的。我選了個價錢還湊合的，選了個無極網路（這裡不是在打廣告），80一個月的配置，一天兩塊錢多點。

2核、512M內存，10M帶寬。

下面是鏈接：

無極網路撥號VPS

大家覺得有更便宜的更好用請告訴我呀！

接下來開始裝操作系統，進入後台，有一個自助裝系統的頁面。

我裝的CentOS的，在後面設置代理啊，定時任務啊，遠程SSH管理啊之類的比較方便。如果你想用Windows，能配置好代理那也沒問題。

有的小夥伴可能會問了，既然它的IP是撥號變化的，你咋用SSH連？其實服務商提供了一個域名，做了動態解析和埠映射，映射到這台主機的22埠就好了，所以不用擔心IP變化導致SSH斷開的問題。

好了裝好了伺服器之後，服務商提供了一個ADSL的撥號操作過程，用pppoe命令都可以完成，如果你的是Linux的主機一般都是用這個。然後服務商還會給給你一個撥號賬號和密碼。

那麼接下來就是試下撥號了。

服務商會提供詳細的撥號流程說明。

比如無極的是這樣的：

撥號流程

設置好了之後，就有幾個關鍵命令：

pppoe-start 撥號npppoe-stop 斷開撥號npppoe-status 撥號連接狀態n

如果想重新撥號，那就執行stop、start就可以了。

反覆執行，然後查看下ip地址，你會發現撥號一次換一個IP，是不是爽翻了！

好，那接下來就設置代理吧。

設置代理伺服器

之前總是用別人的代理，沒自己設置過吧？那麼接下來我們就來親自搭建HTTP代理。

Linux下搭建HTTP代理，推薦Squid和TinyProxy。都非常好配置，你想用哪個都行，且聽我慢慢道來。

我的系統是CentOS，以它為例進行說明。

Squid

首先利用yum安裝squid

yum -y install squidn

設置開機啟動

chkconfig --level 35 squid onn

修改配置文件

vi /etc/squid/squid.confn

修改如下幾個部分：

http_access allow !Safe_ports #deny改成allownhttp_access allow CONNECT !SSL_ports #deny改成allownhttp_access allow all #deny改成allown

其他的不需要過多配置。

啟動squid

sudo service squid startn

如此一來配置就完成了。

代理使用的埠是3128

TinyProxy

首先添加一下鏡像源，然後安裝

rpm -Uvh http://dl.fedoraproject.org/pub/epel/5/i386/epel-release-5-4.noarch.rpmnyum updatenyum install tinyproxyn

修改配置

vi /etc/tinyproxy/tinyproxy.confn

可以修改埠和允許的IP，如果想任意主機都連接那就把Allow這一行注釋掉。

Port 8888 #預設是8888 Port,你可以更改nAllow 127.0.0.1 #將127.0.0.1改成你自己的IPn#例如你的IP 是1.2.3.4,你改成Allow 1.2.3.4,那只有你才可以連上這個Proxyn#若你想任何IP都可以臉到Proxy在Allow前面打#注釋n

啟動TinyProxy

service tinyproxy startn

好了，兩個代理都配置好了。

你想用那個都可以！

不過你以為這樣就完了嗎？太天真了，我被困擾了好幾天，怎麼都連不上，我還在懷疑是不是我哪裡設置得不對？各種搜，一直以為是哪裡配置有遺漏，後來發現是iptables的鍋，萬惡的防火牆。踩過的的坑，那就不要讓大家踩了，用下面的命令設置下iptables，放行3128和8888埠就好了。

service iptables savensystemctl stop firewalldnsystemctl disable firewalldnsystemctl start iptablesnsystemctl status iptablesnsystemctl enable iptablesn

修改iptables配置

vi /etc/sysconfig/iptablesn

在

-A IN_public_allow -p tcp -m tcp --dport 22 -m conntrack --ctstate NEW -j ACCEPTn

的下面添加兩條規則

-A IN_public_allow -p tcp -m tcp --dport 3128 -m conntrack --ctstate NEW -j ACCEPTn-A IN_public_allow -p tcp -m tcp --dport 8888 -m conntrack --ctstate NEW -j ACCEPTn

如圖所示

保存，然後重啟iptables

sudo service iptabels restartn

輸入

ifconfig得到IP地址，在其他的主機上輸入

curl -x IP:8888 www.baidu.comn

測試一下，如果能出現結果，那就說明沒問題。

如果怎麼配都連不上，那乾脆關了你的防火牆吧。雖然不推薦。

連接代理

接下來才是重頭戲，你咋知道你的伺服器IP現在到底是多少啊？撥一次號IP就換一次，那這還了得？

如果服務商提供了埠映射！那一切都解決了！直接用埠映射過去就好了。然而，我的並沒有。

自力更生，艱苦創業！

首先我研究了一下DDNS服務，也就是動態域名解析。即使你的IP在變化，那也可以通過一個域名來映射過來。

原理簡單而統一：當前撥號主機定時向一個固定的伺服器發請求，伺服器獲取remote_addr就好了，可以做到定時更新和解析。

那麼我找了一下，國內做的比較好的就是花生殼了，然後又找到了DNSPOD的介面解析。

下面簡單說下我的折騰過程，大家可以先不用試，後面有更有效的方法。

花生殼

現在花生殼出到3.0版本了，有免費版和付費版之分，我就試用了一下免費版的。這裡是花生殼的一些配置和下載：

花生殼配置

下載花生殼客戶端之後，會生成SN碼，用這個在花生殼的官網登錄後，會分配給你一個免費的域名。

接下來這個域名就能解析到你的主機了。

DNSPOD

DNSPOD原理也是一樣，不過好處是你可以配置自己的域名。

在GitHub上有腳本可以使用。

腳本鏈接

具體的細節我就不說了，實際上就是定時請求，利用remote_addr更新DNSPOD記錄，做到動態解析。

解析介面

不過！這兩個有個通病！慢！

什麼慢？解析慢！但這不是他們的鍋，因為DNS修改後完全生效就是需要一定的時間，這一秒你撥號了，然後更新了IP，但是域名可能還是解析著原來的IP，需要過幾分鐘才能變過來。這能忍嗎？

我可是在跑爬蟲啊，這還能忍？

自力更生

嗯，V2EX果然是個好地方，逛了一下，收穫不小。

鏈接在此

參考了 abelyao 的思路，自己寫了腳本來獲取IP，保證秒級更新！

此時，你還需要另一台固定IP的主機或者某個雲伺服器，只要是地址固定的就好。在這裡我用了另一台有固定IP的阿里雲主機，當然你如果有什麼新浪雲啊之類的也可以。

那麼現在的思路就是，撥號VPS定時撥號換IP，然後請求阿里雲主機，阿里雲主機獲取VPS的IP地址即可。

撥號VPS做的事情：

定時撥號，定時請求伺服器。使用bash腳本，然後crontab定時執行。

遠程伺服器：

接收請求，獲取remote_addr，保存起來。使用Flask搭建伺服器，接收請求。

廢話少說，上代碼

AutoProxy

功能

由於DDNS生效時間過長，對於爬蟲等一些時間要求比較緊迫的項目就不太適用，為此本項目根據DDNS基本原理來實現實時獲取ADSL撥號主機IP。

基本原理

client文件夾由ADSL撥號客戶機運行。它會定時執行撥號操作，然後請求某個固定地址的伺服器，以便讓伺服器獲取ADSL撥號客戶機的IP，主要是定時bash腳本運行。

server文件夾是伺服器端運行，利用Python的Flask搭建伺服器，然後接收ADSL撥號客戶機的請求，得到remote_addr，獲取客戶機撥號後的IP。

項目結構

server

config.py 配置文件。
ip 客戶端請求後獲取的客戶端IP，文本保存。
main.py Flask主程序，提供兩個介面，一個是接收客戶端請求，然後將IP保存，另外一個是獲取當前保存的IP。

client

crontab 定時任務命令示例。
pppoe.sh 撥號腳本，主要是實現重新撥號的幾個命令。
request.sh 請求伺服器的腳本，主要是實現撥號後請求伺服器的操作。
reqeust.conf 配置文件。

使用

伺服器

伺服器提供兩個功能，record方法是客戶機定時請求，然後獲取客戶機IP並保存。proxy方法是供我們自己用，返回保存的客戶機IP，提取代理。

克隆項目

git clone https://github.com/Germey/AutoProxy.gitn

修改配置

修改config.py文件

KEY 是客戶端請求伺服器時的憑證，在client的reqeust.conf也有相同的配置，二者保持一致即可。
NEED_AUTH 在獲取當前保存的IP（即代理的IP）的時候，為防止自己的主機代理被濫用，在獲取IP的時候，需要加許可權驗證。
AUTH_USER和AUTH_PASSWORD分別是認證用戶名密碼。
PORT默認埠，返回保存的結果中會自動添加這個埠，組成一個IP:PORT的代理形式。

運行

cd servernnohup python main.pyn

ADSL客戶機

克隆項目

git clone https://github.com/Germey/AutoProxy.gitn

修改配置

修改reqeust.conf文件

KEY 是客戶端請求伺服器時的憑證，在server的config.py也有相同的配置，二者保持一致即可。
SERVER是伺服器項目運行後的地址，一般為http://<伺服器IP>/record。如`http://120.27.14.24/record`。

修改pppoe.sh文件

這裡面寫上重新撥號的幾條命令，記得在前兩行配置一下環境變數，配置上撥號命令所在的目錄，以防出現腳本無法運行的問題。

運行

設置定時任務

crontab -en

輸入crontab的實例命令

*/5 * * * * /var/py/AutoProxy/client/request.sh /var/py/AutoProxy/client/request.conf >> /var/py/AutoProxy/client/request.logn

注意修改路徑，你的項目在哪裡，都統一修改成自己項目的路徑。

最前面的*/5是5分鐘執行一次。

好了，保存之後，定時任務就會開啟。

驗證結果

這樣一來，訪問伺服器地址，就可以得到ADSL撥號客戶機的IP了。

import requestsnnurl = http://120.27.14.24:5000nproxy = requests.get(url, auth=(admin, 123)).textnprint(proxy)n

實例結果：

116.208.97.22:8888n

擴展

如果你有域名，可以自己解析一個域名，這樣就可以直接請求自己的域名，拿到實時好用的代理了，而且定時更新。

代理設置

urllib2

import urllib2nproxy_handler = urllib2.ProxyHandler({"http": http:// + proxy})nopener = urllib2.build_opener(proxy_handler)nurllib2.install_opener(opener)nresponse = urllib2.urlopen(http://httpbin.org/get)nprint response.read()n

requests

import requestsnproxies = {nhttp: http:// + proxy,n}nr = requests.get(http://httpbin.org/get, proxies=proxies)nprint(r.text)n

以上便秒級解決了動態IP解析，自己實現了一遍DDNS，爽！

那這樣以來，以後就可以直接請求你的主機獲取一個最新可用的代理IP了，穩定可用，定時變化！

以上便是ADSL撥號伺服器配置的全過程，希望對大家有幫助！

作者：崔慶才

出處：崔慶才的個人博客

最近很多人私信問我問題，平常知乎評論看到不多，如果沒有及時回復，大家也可以加小編微信：tszhihu，進知乎大數據分析挖掘交流群，可以跟各位老師互相交流。謝謝。