Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/fate0/getproxy
getproxy 是一个抓取发放代理网站，获取 http/https 代理的程序
https://github.com/fate0/getproxy
getproxy proxy proxy-checker web-proxy
Last synced: about 1 month ago
JSON representation
getproxy 是一个抓取发放代理网站，获取 http/https 代理的程序
- Host: GitHub
- URL: https://github.com/fate0/getproxy
- Owner: fate0
- License: other
- Archived: true
- Created: 2017-05-21T02:57:49.000Z (over 7 years ago)
- Default Branch: master
- Last Pushed: 2022-08-02T08:36:49.000Z (over 2 years ago)
- Last Synced: 2024-04-24T12:19:31.347Z (8 months ago)
- Topics: getproxy, proxy, proxy-checker, web-proxy
- Language: Python
- Homepage:
- Size: 5.75 MB
- Stars: 844
- Watchers: 23
- Forks: 160
- Open Issues: 4
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
- awesome-network-stuff - **562**星
- awesome-hacking-lists - fate0/getproxy - getproxy 是一个抓取发放代理网站，获取 http/https 代理的程序 (Python)
README
# getproxy
[](https://travis-ci.org/fate0/getproxy)
[](https://pyup.io/repos/github/fate0/getproxy/)
[](https://pypi.python.org/pypi/getproxy)
[](https://pypi.python.org/pypi/getproxy)
getproxy 是一个抓取发放代理网站，获取 http/https 代理的程序，
每 15 min 会更新数据至 [fate0/proxylist](https://github.com/fate0/proxylist)
## 1. 安装
```
pip install -U getproxy
```
## 2. 使用
### 帮助信息
```
➜ ~ getproxy --help
Usage: getproxy [OPTIONS]
Options:
--in-proxy TEXT Input proxy file
--out-proxy TEXT Output proxy file
--help Show this message and exit.
```
* `--in-proxy` 可选参数，待验证的 proxies 列表文件
* `--out-proxy` 可选参数，输出已验证的 proxies 列表文件，如果为空，则直接输出到终端
`--in-proxy` 文件格式和 `--out-proxy` 文件格式一致
### 使用例子
```
(test2.7) ➜ ~ getproxy
INFO:getproxy.getproxy:[*] Init
INFO:getproxy.getproxy:[*] Current Ip Address: 1.1.1.1
INFO:getproxy.getproxy:[*] Load input proxies
INFO:getproxy.getproxy:[*] Validate input proxies
INFO:getproxy.getproxy:[*] Load plugins
INFO:getproxy.getproxy:[*] Grab proxies
INFO:getproxy.getproxy:[*] Validate web proxies
INFO:getproxy.getproxy:[*] Check 6666 proxies, Got 666 valid proxies
...
```
## 3. 输入/返回格式
每一行结果都是一个 json 字符串，格式如下:
```json
{
"type": "http",
"host": "1.1.1.1",
"port": 8080,
"anonymity": "transparent",
"country": "CN",
"response_time": 3.14,
"from": "txt"
}
```
| 属性 | 类型 | 描述 | 可选值 |
|------- |--------|-------- |----------|
| type | str | proxy 类型 | `http`, `https`|
| host | str | proxy 地址 | |
| port | int | 端口 | |
| anonymity | str | 匿名性 | `transparent`, `anonymous`, `high_anonymous` |
| country | str | proxy 国家 | |
| response_time | float | 响应时间 | |
| from | str | 来源 | |
## 4. Plugin 相关
### Plugin 代码格式
``` python
class Proxy(object):
def __init__(self):
self.result = []
self.proxies = []
def start(self):
pass
```
### Plugin 返回结果
```
{
"host": "1.1.1.1",
"port": 8080,
"from": "plugin name"
}
```
### Plugin 小提示
* 不要在 plugin 内使用多线程、gevent 等方法
* 如果目标网站存在分页，请在获取每页内容之后，自行添加 delay
* 如果目标网站存在分页，请在获取每页结果之后，及时放入 `self.result` 中
* 如果被目标网站 ban 了，可以利用已经验证的 proxies (也就是 `self.proxies`)
## 5. 第三方程序调用
直接运行 `getproxy` 等同于执行下面程序:
``` python
#! /usr/bin/env python
# -*- coding: utf-8 -*-
from getproxy import GetProxy
g = GetProxy()
# 1. 初始化，必须步骤
g.init()
# 2. 加载 input proxies 列表
g.load_input_proxies()
# 3. 验证 input proxies 列表
g.validate_input_proxies()
# 4. 加载 plugin
g.load_plugins()
# 5. 抓取 web proxies 列表
g.grab_web_proxies()
# 6. 验证 web proxies 列表
g.validate_web_proxies()
# 7. 保存当前所有已验证的 proxies 列表
g.save_proxies()
```
如果只想验证 proxies 列表，并不需要抓取别人的 proxies，则可以:
``` python
g.init()
g.load_input_proxies()
g.validate_input_proxies()
print(g.valid_proxies)
```
如果当前程序不需要输出 proxies 列表，而是在程序中直接使用，则可以:
``` python
g.init()
g.load_plugins()
g.grab_web_proxies()
g.validate_web_proxies()
print(g.valid_proxies)
```
## 6. Q & A
* 为什么不使用 xxx 数据库？
数据量并不大，就算用文本格式全读进内存，也占用不了多少内存，就算真的需要存储至数据库，自己再多写几行代码就搞定。
另外使用文本格式还有另外一个好处是可以创建这个项目 [fate0/proxylist](https://github.com/fate0/proxylist)
* 和 xxx 有什么区别?
简单、方便、快捷，除了 Python 环境，其他都不用设置。
* 报错啦，怎么办?
仔细看看错误信息，是不是一些 plugin 报错误，而且错误都是和网络相关的？
如果是的话，可能这些 plugin 访问的网站由于众所周知的原因被 block 了。
如果不是，赶紧提 Issue。
* 还继续添加新的 plugin 吗？
主要看这个项目 [fate0/proxylist](https://github.com/fate0/proxylist) 中的 `proxy.list` 数量，
如果 `proxy.list` 行数接近 5000 个，那就不再继续添加新的 plugin，防止 travis 15min 内不结束。