简单的实现谷歌的代理:
架构就是下面这么简单。
=================
my server outside GFW | <----------------------> your browser visit my server at port 8080
=================
代码如下:
#coding=utf-8 from twisted.web import resource, server from twisted.internet import reactor,endpoints from twisted.python import log import urllib2 import urllib import sys log.startLogging(sys.stdout) class router(resource.Resource): def getChild(self, path, request): url = r‘https://www.google.com‘ if path=="": return Index(url) else: return Index(url+ request.uri) class Index(resource.Resource): def __init__(self, url): self.url = url def render_GET(self, request): req = urllib2.Request(self.url) res = urllib2.urlopen(req) return res.read() rsc = router() f = server.Site(rsc) endpoints.serverFromString(reactor, ‘tcp:8001‘).listen(f) reactor.run()
使用上面代码有一个问题,谷歌对于被爬是不爽的。因此需要伪装下,加上一个headers参数给request请求。
headers = {‘User-Agent‘:‘Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6‘} req = urllib2.Request(self.url, headers=headers)
这样就解决了403问题。那么接下来只要变成一个系统后台任务就可以了。
时间: 2024-10-19 11:46:07