Linux服务器端python爬虫代理脚本
来源 :中华考试网 2020-10-15
中在linux端的网络爬虫有时需要利用代理,而且有些网站碰到一些IE才有的bug时候不得不换浏览,还要开虚拟机进去搞IE6、IE8、360、搜狗这些浏览器。建议搞个bat脚本来做这些。
具体实现步骤如下:
安装pywin32、WMI支持。具体下载地址Google一下,因为我的是32位python2.7系列,下载到的文件名分别为(pywin32-218.win32-py2.7.exe、WMI-1.4.7.win32.exe)
首先,我们查资料知道,IE浏览器的代理内容在注册表中『HKEYCURRENTUSER\Software\Microsoft\Windows\CurrentVersion\Internet Settings』这里存着,所以我们理论上只要修改这里相关的键值就可以切换IE代理。
python课程免费试听预约
- 地区:
- 北京
- 天津
- 上海
- 江苏
- 浙江
- 山东
- 江西
- 安徽
- 广东
- 广西
- 海南
- 辽宁
- 吉林
- 黑龙江
- 内蒙古
- 山西
- 福建
- 河南
- 河北
- 湖南
- 湖北
- 四川
- 重庆
- 云南
- 贵州
- 新疆
- 西藏
- 陕西
- 青海
- 宁夏
- 甘肃
- 姓名:
- 手机:
所以,第一个函数就是修改注册表键值:
def changeIEProxy(keyName, keyValue):
pathInReg = 'Software\Microsoft\Windows\CurrentVersion\Internet Settings'
key = win32api.RegOpenKey(win32con.HKEY_CURRENT_USER,pathInReg, 0, win32con.KEY_ALL_ACCESS)
win32api.RegSetValueEx(key, keyName, 0, win32con.REG_SZ, keyValue)
win32api.RegCloseKey(key)
因此段代码中用到了pywin32的的东西,所以在文件最开头需要做import win32api, win32con,引入相关的class
修改系统注册表的函数其实就这么几行…当然,因为我厂必须通过代理服务器上网,所以修改系统注册表的键值类型我只用到了REG_SZ这一种,实际其他情况还会有REG_DWORD啊等等类型。
然后咱需要一个配置文件,来保存各种场景『QA啊开发环境啊』的不同的配置信息,这时候我使用的配置文件为ini格式,用Python自带的ConfigParser就可以解析此种文件格式。
没有采用以往我最熟悉的XML或者json纯粹为了装x,xml和json总觉着是web上用的东西,ini看起来比较像一个.exe比较常用的配置文件格式。
也因为以前没用过ini格式的配置文件,这次权当又学会一种Python的玩法而已。
所以读取ini配置文件的代码为:
config = ConfigParser.ConfigParser()
config.read('config.ini')
if config.has_section(_section):
_ProxyServer = config.get(_section, 'ProxyServer')
_ProxyOverride = config.get(_section, 'ProxyOverride')
同样,因为用到了ConfigParser,需要在文件最开头也import ConfigParser一下。
细心的小伙伴会注意到这段代码中有一个_section的变量实际是没有定义的,而这个变量俺给它的含义是前边所写的『场景』,比如_section=='dev'表示开发环境,_section=='qa'表示QA环境,而咱们这次既然做的是一个类似exe的程序,所以_section需要在执行exe时候当作参数传进来。
这时候咱们就要用到Python的sys模块了,同样import sys,然后在程序中通过:
_section = sys.argv[1] if len(sys.argv) > 1 else 'dev'
这样的方式来获取『场景』这个参数,这一段代码就会变成:
_section = sys.argv[1] if len(sys.argv) > 1 else 'dev'
config = ConfigParser.ConfigParser()
config.read('config.ini')
if config.has_section(_section):
_ProxyServer = config.get(_section, 'ProxyServer')
_ProxyOverride = config.get(_section, 'ProxyOverride')
既然已经读取到配置文件中的ProxyServer和ProxyOverride,写入到注册表理论上就能完成咱们的修改IE代理配置的大业了:
_section = sys.argv[1] if len(sys.argv) > 1 else 'dev'
config = ConfigParser.ConfigParser()
config.read('config.ini')
if config.has_section(_section):
_ProxyServer = config.get(_section, 'ProxyServer')
_ProxyOverride = config.get(_section, 'ProxyOverride')
changeIEProxy('ProxyServer', _ProxyServer)
changeIEProxy('ProxyOverride', _ProxyOverride)
因为注册表内容虽然已经修改了,但实际上IE浏览器并没有生效,让IE浏览器生效需要关闭重新打开。
这时候就用到前边安装WMI,import wmi ctypes,然后:
def kill_ie():
c = wmi.WMI()
kernel32 = ctypes.windll.kernel32
for process in c.Win32_Process():
if process.Name=='iexplore.exe':
kernel32.TerminateProcess(kernel32.OpenProcess(1, 0, process.ProcessId), 0)
当然,这段代码是有一点点问题的,只关闭了IE没有重新打开
综上所述:
完整的代码为:
#coding=utf-8
import win32api, win32con, sys, ConfigParser, os, wmi, ctypes
def kill_ie():
c = wmi.WMI()
kernel32 = ctypes.windll.kernel32
for process in c.Win32_Process():
if process.Name=='iexplore.exe':
kernel32.TerminateProcess(kernel32.OpenProcess(1, 0, process.ProcessId), 0)
def changeIEProxy(keyName, keyValue):
pathInReg = 'Software\Microsoft\Windows\CurrentVersion\Internet Settings'
key = win32api.RegOpenKey(win32con.HKEY_CURRENT_USER,pathInReg, 0, win32con.KEY_ALL_ACCESS)
win32api.RegSetValueEx(key, keyName, 0, win32con.REG_SZ, keyValue)
win32api.RegCloseKey(key)
def check_config():
if not os.path.isfile('config.ini'):
cfg = ConfigParser.ConfigParser()
#开发环境
cfg.add_section('dev')
cfg.set('dev', 'ProxyServer', '192.168.0.6:3128')
cfg.set('dev', 'ProxyOverride', 'localhost;127.0.0.1')
#预上线
cfg.add_section('prepare')
cfg.set('prepare', 'ProxyServer', '192.168.0.6:3128')
cfg.set('prepare', 'ProxyOverride', 'localhost;127.0.0.1;')
#线上
cfg.add_section('online')
cfg.set('online', 'ProxyServer', '192.168.0.6:3128')
cfg.set('online', 'ProxyOverride', 'localhost;127.0.0.1')
#QA
cfg.add_section('qa')
cfg.set('qa', 'ProxyServer', '192.168.2.16:3128')
cfg.set('qa', 'ProxyOverride', 'localhost;127.0.0.1')
cfg.write(open('config.ini', 'a'))
return False
return True
if __name__ == "__main__":
_section = sys.argv[1] if len(sys.argv) > 1 else 'dev'
if check_config():
kill_ie()
config = ConfigParser.ConfigParser()
config.read('config.ini')
if config.has_section(_section):
_ProxyServer = config.get(_section, 'ProxyServer')
_ProxyOverride = config.get(_section, 'ProxyOverride')
changeIEProxy('ProxyServer', _ProxyServer)
changeIEProxy('ProxyOverride', _ProxyOverride)
print 'done, open ie'
else:
print 'config.ini is created, modify config.ini and try again'