質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

HTTP

HTTP(Hypertext Transfer Protocol)とはweb上でHTML等のコンテンツを交換するために使われるアプリケーション層の通信プロトコルです。

プロキシ

プロキシは、二つ以上の相互接続されているプログラム又はデバイスの間に存在する中間サーバを指します。プロキシは、接続者の「代理」としてインターネット接続を行い、接続元にレスポンスを返します。また、その機能を実現するソフトウェアの意味合いもあります。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

proxy

proxy(プロキシー)は、企業などの内部コンピュータとインターネットの中間に位置し、例えば直接インターネットに接続できない内部コンピュータの代理としてインターネットに接続する等をするシステム、もしくは代理として機能を実行するソフトウェアです。内部ネットワークへのアクセスを一元管理し、内部からの特定の種類の接続以外を遮断すること、外部からの不正アクセスを拒否することなどに用いられます。

Q&A

2回答

2010閲覧

Pythonを用いたスクレイピングで環境変数を変えてもプロキシ接続ができない

TakeItEasy

総合スコア2

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

HTTP

HTTP(Hypertext Transfer Protocol)とはweb上でHTML等のコンテンツを交換するために使われるアプリケーション層の通信プロトコルです。

プロキシ

プロキシは、二つ以上の相互接続されているプログラム又はデバイスの間に存在する中間サーバを指します。プロキシは、接続者の「代理」としてインターネット接続を行い、接続元にレスポンスを返します。また、その機能を実現するソフトウェアの意味合いもあります。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

proxy

proxy(プロキシー)は、企業などの内部コンピュータとインターネットの中間に位置し、例えば直接インターネットに接続できない内部コンピュータの代理としてインターネットに接続する等をするシステム、もしくは代理として機能を実行するソフトウェアです。内部ネットワークへのアクセスを一元管理し、内部からの特定の種類の接続以外を遮断すること、外部からの不正アクセスを拒否することなどに用いられます。

0グッド

0クリップ

投稿2020/11/04 05:43

プロキシサーバに接続して,スクレイピングを行いたいと考えています.
以下のコードでは,プロキシサーバ接続確認のため「確認くん」というサイトを指定しています.

os.environ['http_proxy']というものがプロキシ設定の環境変数ということなので,指定をしています.下記コードではusername等に変えていますが,実際は具体値を入れています.

これを実行すると,単純に自分のマシンのIPアドレスが表示されます.
途中でprint(urllib.request.getproxies())として,環境変数が変わっているか確認しています.ここでは正しく指定した値が入っているようですが,適当に'aaa'と指定してもこの文字列が出力されました.そのため,設定が違う可能性もありますが,一応何度も確認やブログ等の情報も参考にしています.

なにかお気づきのことがあればお教えいただけると幸いです.

WIndows10を用いています.

python

1import requests 2import urllib 3import os 4from bs4 import BeautifulSoup 5 6def main(): 7 os.environ["http_proxy"]= "http://username:password@server_ip:port" 8 headers = { 9 "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:47.0) Gecko/20100101 Firefox/47.0", 10 } 11 print(urllib.request.getproxies()) 12 request = urllib.request.Request(url="https://www.ugtop.com/spill.shtml", headers=headers) 13 res = urllib.request.urlopen(request) 14 soup = BeautifulSoup(res, 'lxml') 15 print(soup)

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

hentaiman

2020/11/04 05:54

アドバイスする為に確認したいんですが、なぜプロキシを通してスクレイピングするんですか?
TakeItEasy

2020/11/04 06:25

現状は依頼をいただいて作業しています. プロキシ自体にそこまで詳しくはないのですが,危険なサイトにアクセスするわけではないので,正体を隠したいというわけではないと思います.
guest

回答2

0

以下の様にしてプロキシを使用する事が可能です。
プロキシの認証については{'Scheme': 'Scheme://Username:Password@Host:Port'}で認証が可能です。

python

1import requests 2import urllib 3from bs4 import BeautifulSoup 4 5headers = {'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:47.0) Gecko/20100101 Firefox/47.0'} 6proxies = {'https': 'https://164.70.64.71:3128'} # ネット上で公開されていた適当なproxy 7URL = 'https://www.ugtop.com/spill.shtml' 8 9# urllib.requestを使用する場合 10def proxy_use_urllib(): 11 proxy_support = urllib.request.ProxyHandler(proxies) 12 opener = urllib.request.build_opener(proxy_support) 13 urllib.request.install_opener(opener) 14 # ↑ここまではproxyさえ指定すればテンプレとして使用出来ます。 15 # 以降は通常通りリクエストを送るだけで串を刺す事が出来ているはずです。 16 17 request = urllib.request.Request(URL, headers=headers) 18 res = urllib.request.urlopen(request) 19 soup = BeautifulSoup(res, 'lxml') 20 21 return soup 22 23# requestsを使用する場合 24def proxy_use_requests(): 25 res = requests.get(URL, headers=headers, proxies=proxies) 26 soup = BeautifulSoup(res.content, 'lxml') 27 28 return soup

投稿2020/11/05 05:01

nto

総合スコア1438

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

0

HTTPSプロトコルのプロキシ設定が必要という可能性はいかがでしょうか。
os.environ["https_proxy"] = ...

投稿2020/11/04 08:18

退会済みユーザー

退会済みユーザー

総合スコア0

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだベストアンサーが選ばれていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問