上一文寫了如何從代理服務網站提取 IP，本文就講解如何存儲 IP，畢竟代理池還是要有一定量的 IP 數量才行。存儲的方式有很多，直接一點的可以放在一個文本文件中，但操作起來不太靈活，而我選擇的是 MySQL 數據庫，因為數據庫便于管理而且功能強大，當然你還可以選擇其他數據庫，比如 MongoDB、Redis 等。

另外三篇：

使用的庫：pymysql

定義規則

數據庫存儲的主要對象是各個 IP，首先需要保證不重復，另外還需要標 IP 的可用情況，而且需要動態實時處理每個 IP，因此還需要定義一個分數字段，分數是可以重復的，最好是整數類型，每個 IP 都有一個分數，表現其可用性

對于代理池來說，分數可以作為我們判斷一個代理可用不可用的標志，我們將設置一個最高分(滿分，值由自己設置)，代表可用，0 設為最低分，代表不可用。從代理池中獲取代理的時候會先從滿分 IP 中隨機獲取一個，注意這里是隨機，這樣可以保證每個可用 IP 都會被調用到，如果沒有滿分的就從所有 IP 從隨機選一個

分數規則如下：

滿分為可用，檢測器會定時循環檢測每個 IP 的可用情況，一旦檢測到有可用的 IP 就立即置為滿分，檢測到不可用就將分數減 1，減至 0 后移除。

新獲取的代理添加時將分數置為 10，當測試可行立即置 100，不可行分數減 1，減至 0 后移除

添加設置

先在一個文件中定義一些配置信息，如數據庫的設置、一些不變量如滿分的數值等

setting.py

# 數據庫地址

HOST = '127.0.0.1'

# MySql端口

MYSQL_PORT = 3306

# MySQl用戶名、密碼

MYSQL_USERNAME = '***'

MYSQL_PASSWORD = '***'

# 數據庫名

SQL_NAME = 'test'

# 代理等級

MAX_SCORE = 30

MIN_SCORE = 0

INITIAL_SCORE = 10

# 代理池數量界限

POOL_UPPER_THRESHOLD = 1000

MAX_SCORE、MIN_SCORE、INITIAL_SCORE 分別代表最大分數、最小分數、初始分數

定義方法

定義一個類來操作數據庫的有序集合，內含一些方法來實現分數的設置、代理的獲取等

db.py

import pymysql

from error import PoolEmptyError

from setting import *

from random import choice

import re

class MySqlClient(object):

# 初始化

def __init__(self, host=HOST, port=MYSQL_PORT, username=MYSQL_USERNAME, password=MYSQL_PASSWORD, sqlname=SQL_NAME):

self.db = pymysql.connect(host=host, user=username, password=password, port=port, db=sqlname)

self.cursor = self.db.cursor()

# 添加代理IP

def add(self, ip, score=INITIAL_SCORE):

sql_add = "INSERT INTO PROXY (IP,SCORE) VALUES ('%s', %s)" % (ip, score)

if not re.match('\d+\.\d+\.\d+\.\d+\:\d+', ip):

print('代理不符合規范', ip, '丟棄')

return

if not self.exists(ip):

self.cursor.execute(sql_add)

self.db.commit()

# 減少代理分數

def decrease(self, ip):

sql_get = "SELECT * FROM PROXY WHERE IP='%s'" % (ip)

self.cursor.execute(sql_get)

score = self.cursor.fetchone()[1]

print(score)

if score and score > MIN_SCORE:

print('代理', ip, '當前分數', score, '減1')

sql_change = "UPDATE PROXY SET SCORE = %s WHERE IP = '%s'" % (score-1, ip)

else:

print('代理', ip, '當前分數', score, '移除')

sql_change = "DELETE FROM PROXY WHERE IP = %s" % (ip)

self.cursor.execute(sql_change)

self.db.commit()

# 分數最大化

def max(self, ip):

print('代理', ip, '可用，設置為', MAX_SCORE)

sql_max = "UPDATE PROXY SET SCORE = %s WHERE IP = '%s'" % (MAX_SCORE, ip)

self.cursor.execute(sql_max)

self.db.commit()

# 隨機獲取有效代理

def random(self):

# 先從滿分中隨機選一個

sql_max = "SELECT * FROM PROXY WHERE SCORE=%s" % (MAX_SCORE)

if self.cursor.execute(sql_max):

results = self.cursor.fetchall()

return choice(results)[0]

# 沒有滿分則隨機選一個

else:

sql_all = "SELECT * FROM PROXY WHERE SCORE BETWEEN %s AND %s" % (MIN_SCORE, MAX_SCORE)

if self.cursor.execute(sql_all):

results = self.cursor.fetchall()

return choice(results)[0]

else:

raise PoolEmptyError

# 判斷是否存在

def exists(self, ip):

sql_exists = "SELECT 1 FROM PROXY WHERE IP='%s' limit 1" % ip

return self.cursor.execute(sql_exists)

# 獲取數量

def count(self):

sql_count = "SELECT * FROM PROXY"

return self.cursor.execute(sql_count)

# 獲取全部

def all(self):

self.count()

return self.cursor.fetchall()

# 批量獲取

def batch(self, start, stop):

sql_batch = "SELECT * FROM PROXY LIMIT %s, %s" % (start, stop - start)

self.cursor.execute(sql_batch)

return self.cursor.fetchall()

方法作用：

init()：初始化的方法，參數是 MySQL 的連接信息，默認的連接信息已經定義為常量，在 init() 方法中初始化建立 MySQL 連接。這樣當 MySqlClient 類初始化的時候就建立了 MySQL 的連接

add()：向數據庫添加代理并設置分數，默認的分數是 INITIAL_SCORE 也就是 10，返回結果是添加的結果

decrease()：在 檢測無效的時候設置分數減 1 的方法，傳入代理，然后將此代理的分數減 1，如果達到最低值就刪除

max()：將代理的分數設置為 MAX_SCORE，也就是當 IP 有效時的設置

random()：隨機獲取 IP 的方法，首先獲取滿分的 IP，然后隨機選擇一個返回，如果不存在滿分的 IP，則隨機選擇一個返回，否則拋出異常

exists()：判斷 IP 是否存在于數據庫中

count()：返回當前 IP個數

all()：返回所有的 IP，供檢測使用

batch()：返回數據庫中從第 start 行開始(從0開始數)的共 stop-start 行數據

抓取保存

當數據庫設置好了之后，就可以直接把抓取的 IP 直接放在數據庫中了

直接把前面用到的抓取代碼更改一下就行了

getter.py

from crawler import Crawler

from db import MySqlClient

from setting import *

import sys

class Getter():

def __init__(self):

self.mysql = MySqlClient()

self.crawler = Crawler()

# 判斷數量是否足夠

def is_over_threshold(self):

if self.mysql.count() >= POOL_UPPER_THRESHOLD:

return True

else:

return False

def run(self):

print('獲取器開始執行')

if not self.is_over_threshold():

for callback_label in range(self.crawler.__CrawlFuncCount__):

callback = self.crawler.__CrawlFunc__[callback_label]

# 獲取代理

all_ip = self.crawler.get_proxies(callback)

sys.stdout.flush()

for ip in all_ip:

self.mysql.add(ip)

if __name__ == '__main__':

get = Getter()

get.run()

結果：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python建立ip代理池_Python搭建代理IP池实现存储IP的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。