使用Python程序抓取新浪在國內的所有IP的教程

更新時間：2015年05月04日 17:08:58 投稿：goldensun

這篇文章主要介紹了使用Python程序抓取新浪在國內的所有IP的教程,作為Python網(wǎng)絡編程中獲取IP的一個小實踐,需要的朋友可以參考下

數(shù)據(jù)分析，特別是網(wǎng)站分析中需要對訪問者的IP進行分析，分析IP中主要是區(qū)分來訪者的省份+城市+行政區(qū)數(shù)據(jù)，考慮到目前純真IP數(shù)據(jù)庫并沒有把這些數(shù)據(jù)做很好的區(qū)分，于是尋找了另外一個可行的方案（當然不是花錢買哈）。解決方案就是抓取新浪的IP數(shù)據(jù)。

新浪的IP數(shù)據(jù)接口為：

http://int.dpool.sina.com.cn/iplookup/iplookup.php?format=json&ip=123.124.2.85

返回的數(shù)據(jù)為：

復制代碼代碼如下:

{"ret":1,"start":"123.123.221.0","end":"123.124.158.29","country":"\u4e2d\u56fd","province":"\u5317\u4eac","city":"\u5317\u4eac","district":"","isp":"\u8054\u901a","type":"","desc":""}

其返回的內容中已經(jīng)包含了省份+城市+行政區(qū)信息了，這就是我們真實想要的。

下面就來說說如何來抓取這部分IP數(shù)據(jù)，要抓取這部分數(shù)據(jù)的主要工作就是枚舉，即將接口中的IP不斷的替換，要替換所有的IP地址肯定不太可能，所以我們縮小下范圍，只窮舉所有中國的IP段?？紤]到新浪的IP接口返回的是IP段，所以要窮舉的部分又少了一部分。再考慮啊到IP段的最后一位及256個IP基本上都是在一個地區(qū)，所以我們要窮舉的數(shù)據(jù)有少了很多。對于窮舉最重要的是把IP地址換成INT型。

具體國內有多少IP地址段，可以到APNIC官方網(wǎng)站去查找或下面的文檔

http://ftp.apnic.net/apnic/dbase/data/country-ipv4.lst

下面就來看看窮舉程序如何寫：

import re

 
def ipv3_to_int(s):
  l = [int(i) for i in s.split('.')]
  return (l[0] &lt;&lt; 16) | (l[1] &lt;&lt; 8) | l[2]

 
def int_to_ipv3(s):
  ip1 = s &gt;&gt; 16 &amp; 0xFF
  ip2 = s &gt;&gt; 8 &amp; 0xFF
  ip3 = s &amp; 0xFF
  return "%d.%d.%d" % (ip1, ip2, ip3)

 
i = open('ChinaIPAddress.csv', 'r')
list = i.readlines()
for iplist in list:
  pattern = re.compile('(\d{1,3}\.\d{1,3}\.\d{1,3})\.\d{1,3}')
  ips = pattern.findall(iplist)
  x = ips[0]
  y = ips[1]
  for ip in range (ipv3_to_int(x),ipv3_to_int(y)):
    ipadress=str(ip)
    #ip_address = int_to_ipv3(ip)
    o = open('ChinaIPAddress.txt','a')
    o.writelines(ipadress)
    o.writelines('\n')
  o.close()
i.close()

當上面的不走完成后就可以對新浪IP接口進行抓取了，抓取代碼如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import urllib,urllib2, simplejson, sqlite3, time

 
def ipv3_to_int(s):
  l = [int(i) for i in s.split('.')]
  return (l[0] &lt;&lt; 16) | (l[1] &lt;&lt; 8) | l[2]

 
def int_to_ipv4(s):
  ip1 = s &gt;&gt; 16 &amp; 0xFF
  ip2 = s &gt;&gt; 8 &amp; 0xFF
  ip3 = s &amp; 0xFF
  return "%d.%d.%d.0" % (ip1, ip2, ip3)

 
def fetch(ipv4, **kwargs):
  kwargs.update({
    'ip': ipv4,
    'format': 'json',
  })
  DATA_BASE = "http://int.dpool.sina.com.cn/iplookup/iplookup.php"
  url = DATA_BASE + '?' + urllib.urlencode(kwargs)
  print url
  fails = 0
  try:
    result = simplejson.load(urllib2.urlopen(url,timeout=20))
  except (urllib2.URLError,IOError):
    fails += 1
    if fails &lt; 10:
      result = fetch(ipv4)
    else:
      sleep_download_time = 60*10
      time.sleep(sleep_download_time)
      result = fetch(ipv4)
  return result

 
def dbcreate():
  c = conn.cursor()
  c.execute('''create table ipdata(
    ip integer primary key,
    ret integer,
    start text,
    end text,
    country text,
    province text,
    city text,
    district text,
    isp text,
    type text,
    desc text
  )''')
  conn.commit()
  c.close()

 
def dbinsert(ip,address):
  c = conn.cursor()
  c.execute('insert into ipdata values(?,?,?,?,?,?,?,?,?,?,?)',(ip,address['ret'],address['start'],address['end'],address['country'],address['province'],address['city'],address['district'],address['isp'],address['type'],address['desc']))
  conn.commit()
  c.close()

 
conn = sqlite3.connect('ipaddress.sqlite3.db')
dbcreate()

 
i = open('ChinaIPAddress.txt','r')
list = [s.strip() for s in i.readlines()]
end = 0
for ip in list:
  ip = int(ip)
  if ip &gt; end :
    ipaddress = int_to_ipv4(ip)
    info = fetch(ipaddress)
    if info['ret'] == -1:
      pass
    else:
      dbinsert(ip,info)
      end = ipv3_to_int(info['end'])
      print ip,end
  else :
    pass
i.close()

到此就能把新浪所有的國內IP數(shù)據(jù)給抓取出來，然后在數(shù)據(jù)分析的工程中大派用場。~

您可能感興趣的文章: