在使用selenium webdriver测试或进行爬虫动作时,如果未在目标服务的白名单内,随着爬取的频率增多会被禁止访问目标服务。
又或者目标服务的反爬虫策略相对完善的情况下,也是很容易将selenium的爬取给禁止。
又或者采用分布式selenium爬取方式时,也会很容易的被禁止爬取。
所以这个时候我们就需要代理服务,来规避一些反爬虫策略等,下面我们看下在selenium webdriver Python端由哪个模块提供了对应的代理功能:
通过查看源码的成员结构,如下图所示:
在proxy.py中提供了http代理、ftp代理、sock代理、ssl代理等能力,基本满足了我们日常的需要。
下面我们看一个基本的Python实例代码,看下如何在代码中使用代理。
# 获取到浏览器对应的配置对象
# 如果为chrome浏览器则为 profile=webdriver.ChromeOptions()
# 其他浏览器类似
profile=webdriver.FirefoxOptions()
# 设置为headless模式
profile.add_argument('-headless') #设置无头模式
#设置代理服务器类型,类型参见下文的注部分说明
profile.set_preference('network.proxy.type', 1)
# IP为你的代理服务器地址:如‘127.0.0.0’,字符串类型
profile.set_preference('network.proxy.http',IP)
#PORT为代理服务器端口号:如,9999,整数类型
profile.set_preference('network.proxy.http_port', PORT)
# 加载配置
browser=webdriver.Firefox(options=profile)
注,代理服务器类型,参加proxy.py源码中的定义,如下
即:
- 0 - 直连,不需要代理
- 1 - 手动设置代理
- 2 - 从url自动配置代理
- 3 - 不用
- 4 - 自动化侦测代理配置信息
- 5 - 使用系统代理
- 6 - 内部使用,不需要调用
所以一般不直接使用proxy.py模块定义的能力,而是通过设置对应的浏览器Options来达成使用代理的功能。
在proxy.py中定义了三个类,如下图所示:
Proxy:具体实现了各种代理
ProxyType:定义了代理类型
ProxyTypeFactory: 定义了代理类型模式
各类的具体代码这里不一一说明了,应该讲源码是很简洁的了,建议深入掌握的人员多看看就好了