【suggestion】重试逻辑可以添加或更换代理ip about ruia

[michael-liumh]

原来可以用process_failed_response重新定义

[howie6879]

对的，问题解决了么

[michael-liumh]

没呢，我现在在爬取一个代理网站的免费代理，现在的需求是将代理ip爬取下来后，对这些代理进行检测，看是否有效，检测的方式很简单，就是访问 http://httpbin.org/ip 这个地址，看有没由response返回，但暂时无法实现。

原因是爬取完代理ip后，我不知道如何重新组装一个新的request去检测。

我尝试定义2个spider，现有spider 1将代理网站的代理ip爬取下来后，使用spider 2来对这些ip进行检测，但一个py文件无法直接运行2个spider，会报错，说aiogttp的会话已经在运行了

[michael-liumh]

具体代码如下：

# !/usr/bin/env python3
# -*- coding:utf8 -*-

from ruia import Item, Spider, TextField, Request
from ruia_ua import middleware
import sys
# import aiofiles
# import asyncio
# import aiohttp

PROXIES_LIST = []
PROXIES_FILE = 'proxies.json'
CHECK_URL = "http://httpbin.org/ip"


class KuaiDailiItem(Item):
    """
    定义爬虫的目标字段
    """
    target_item = TextField(xpath_select='//table[@class="table table-bordered table-striped"]')
    ip = TextField(xpath_select='.//td[@data-title="IP"]', many=True, default='could not get ips')
    port = TextField(xpath_select='.//td[@data-title="PORT"]', many=True, default='could not get ports')
    schema = TextField(xpath_select='.//td[@data-title="类型"]', many=True, default='could not get schemas')


class KuaiDailiSpider(Spider):
    start_urls = [f'https://www.kuaidaili.com/free/inha/{index}/' for index in range(1, 2)]
    aiohttp_kwargs = {
        "allow_redirects": True
    }

    async def parse(self, response):
        if response.status == 200:
            # if response.url == CHECK_URL:
            #     print(response.text())
            # else:
            async for item in KuaiDailiItem.get_items(html=await response.text()):
                yield item
        else:
            self.logger.error("爬取目标网页 {} 源代理失败，状态码为：{}".format(response.url, response.status))

    async def process_item(self, item: KuaiDailiItem):
        for ip, port, schema in zip(item.ip, item.port, item.schema):
            proxy = schema.lower() + "://" + ip + ":" + port
            await self.check_proxy(proxy)

    async def check_proxy(self, proxy: str = ''):
        if proxy:
            print("checking proxy:", proxy)
            self.aiohttp_kwargs['proxy'] = proxy
            req = self.request(url=CHECK_URL, **self.aiohttp_kwargs)
            await self.handle_request(req)
            # print(await response.text())


def main(*args):
    KuaiDailiSpider.start(middleware=middleware)


if __name__ == "__main__":
    main(*sys.argv[1:])

目前无法实现异步检测

[howie6879]

这种网站的东西不是一次检测有效就永远有效，你应该写一个调度来定时检测是否有效

[howie6879]

我个人项目下面应该有个代理池相关项目，你可以看看有没有用

[michael-liumh]

好的，感谢

[howie6879]

问题解决了么