登錄 注冊

　　如果對于網絡爬蟲還是比較新接觸的用戶，可能不太明白這是什么意思。在瀏覽一些爬蟲技術網站的時候，ip代理池這個詞出現的頻率很高，下面ip代理通過代理池的設計流程，來給大家分解介紹。

　　IP海代理池設計教程：

　　代理池由四部分組成：

　　ProxyGetter:

　　代理獲取接口，網上找到免費IP的提供商，每調用一次就會抓取網站的最新代理放入DB，可自行添加額外的代理獲取接口;

　　DB:

　　用于存放ip代理，現在暫時只支持SSDB。至于為什么選擇SSDB，大家可以參考這篇文章,個人覺得SSDB是個不錯的Redis替代方案，如果你沒有用過SSDB，安裝起來也很簡單。

　　Schedule:

　　計劃任務用戶定時去檢測DB中的代理可用性，刪除不可用的代理。同時也會主動通過ProxyGetter去獲取最新代理放入DB。

　　ProxyApi:

　　代理池的外部接口，由于現在這么代理池功能比較簡單，花兩個小時看了下Flask，愉快的決定用Flask搞定。功能是給爬蟲提供get/delete/refresh等接口，方便爬蟲直接使用。

　　到了代碼模塊：

　　Python中高層次的數據結構,動態類型和動態綁定,使得它非常適合于快速應用開發,也適合于作為膠水語言連接已有的軟件部件。用Python來搞這個ip代理池也很簡單，代碼分為6個模塊：

　　Api:

　　api接口相關代碼，目前api是由Flask實現，代碼也非常簡單?？蛻舳苏埱髠鹘oFlask，Flask調用ProxyManager中的實現，包括get/delete/refresh/get_all。

　　Manager:

　　get/delete/refresh/get_all等接口的具體實現類，目前代理池只負責管理proxy，日后可能會有更多功能，比如代理和爬蟲的綁定，代理和賬號的綁定等等。

　　DB:

　　數據庫相關代碼，目前數據庫是采用SSDB。代碼用工廠模式實現，方便日后擴展其他類型數據庫。

　　Schedule:

　　定時任務相關代碼，現在只是實現定時去刷新代碼，并驗證可用代理，采用多進程方式。

　　ProxyGetter:

　　代理獲取的相關代碼，目前抓取了快代理、代理66、有代理、西刺代理、guobanjia這個五個網站的免費代理，經測試這個5個網站每天更新的可用代理只有六七十個，當然也支持自己擴展代理接口。

　　Util:

　　存放一些公共的模塊方法或函數，包含GetConfig:讀取配置文件config.ini的類，ConfigParse:集成重寫ConfigParser的類，使其對大小寫敏感，Singleton:實現單例，LazyProperty:實現類屬性惰性計算。

　　其他文件:

　　配置文件:Config.ini,數據庫配置和代理獲取接口配置，可以在GetFreeProxy中添加新的代理獲取方法，并在Config.ini中注冊即可使用。

　　上面就是ip代理池的組成部分，這樣分解之后，相信大家也能夠直觀認識到代理池了。當然了，大家也可以直接用付費ip代理提取搭建。