http-proxy-pool

在爬取网页数据、批量投票，点赞等日常中，经常需要更换ip信息，需要大量代理。http-proxy-pool可用于收集网络上免费代理，供其它脚本程序使用。http-proxy-pool可以通过自定义爬取脚本来收集网络代理信息。

安装

gem install http-proxy-pool

使用

1.命令行

• 初始化资源
  proxypool crawl

• 查看当前已收集状态
  proxypool status

• 随机获取一个可用代理，默认强制检查代理是否可用
  proxypool get

更多参数，参看proxypool help

2.在脚本中引用

require 'http-proxy-pool'  

pool = HttpProxyPool::ProxyPool.new  
pool.query(:ip => "=~ /^111/", :proxy_type => "== 'HTTP'") do |proxy|
  # do what you want ...
end

query查询出proxy资源不会强制，校验是否可用。可用checker通过来校验:

pool.checker(proxy)

定义爬取脚本

http-proxy-pool默认脚本会安装到[USER_PATH]/http_proxy_pool/script中，可以自己修改已有脚本，或者在此目录添加新脚本，目前自带以下网站（站点信息源自搜索引擎）爬取脚本:

• ip.izmoney.com
• kuaidaili.com
• proxy360.cn
• goubanjia.com

一个样例：

# 开始抓取地址
sitetask("start_page_url") do
  nextpage do
    # nextpage 最终返回下一页URL
    # 此部分需判断是否需要是否是最后页
    # 如果未定义nextpage部分，程序默认只会爬去第一页
  end

  parser do
    # 此部分，最终返回一个Proxy实例的数组
    # 此block中，可以通过解析当前Mechanize页面，通过dom数据生成多个Proxy
  end
end

创建Proxy:

HttpProxyPool::Proxy.new {
  :ip => '127.0.0.1',               # IP地址
  :port => 8080,                    # 端口
  :username => 'jiyaping',          # 认证用户名
  :password => 'xxxxxx',            # 认证密码
  :proxy_level => 'high',           # 代理等级（匿名、透明代理）
  :proxy_type => 'http',            # 代理类型（HTTP、HTTPS、SOCKS）
  :speed => '0.5',                  # 代理速度
  :added_time => DateTime.now,      # 添加时间
  :last_access_time => DateTime.now,# 上次使用时间
  :nation => 'cn',                  # 国家
  :province => 'guangdong',         # 省份/州
  :src_from => 'xxxxxx.com'         # 获取来源
}

最后

就酱紫 ...