python - 使用 Tor + Privoxy 抓取谷歌购物结果 : How to avoid block?

Question

我已经在我的服务器上安装了 Tor + Privoxy，它们工作正常! (已测试)。但是现在当我尝试使用 urllib2 (python) 抓取谷歌购物结果时，当然使用代理，我总是被谷歌阻止(有时是 503 错误，有时是 403 错误)。所以任何人有任何解决方案可以帮助我避免这个问题吗？将不胜感激!

我使用的源代码:

 _HEADERS = {
      'User-Agent': 'Mozilla/5.0',
      'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
      'Accept-Encoding': 'deflate',
      'Connection': 'close',
      'DNT': '1'
  }

  request = urllib2.Request("https://www.google.com/#q=iphone+5&tbm=shop", headers=self._HEADERS)

  proxy_support = urllib2.ProxyHandler({"http" : "127.0.0.1:8118"})
  opener = urllib2.build_opener(proxy_support) 
  urllib2.install_opener(opener)

  try:
      response = urllib2.urlopen(request)
      html = response.read()
      print html

   except urllib2.HTTPError as e:
       print e.code
       print e.reason

请注意:当我不使用代理时，它可以正常工作!

Answer 1

你有没有安装 stem，Tor 的 Controller 库？只需几行代码，您就可以从 Tor 请求一个新身份。见:

https://stem.torproject.org/faq.html#how-do-i-request-a-new-identity-from-tor

只需使用异常来捕获您的 403 和 503 错误并通过请求新身份来处理它们，如上面的链接所示。祝你好运。