Как сделать запросы urllib2 через Tor в Python?

Ответ 1

Вы пытаетесь подключиться к порту SOCKS - Tor отклоняет любой трафик, не относящийся к SOCKS. Вы можете подключиться через посредника - Privoxy - с помощью порта 8118.

Пример:

proxy_support = urllib2.ProxyHandler({"http" : "127.0.0.1:8118"})
opener = urllib2.build_opener(proxy_support) 
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
print opener.open('http://www.google.com').read()

Также обратите внимание на свойства, переданные ProxyHandler, без http-префикса ip: port

Ответ 2

pip install PySocks

Тогда:

import socket
import socks
import urllib2

ipcheck_url = 'http://checkip.amazonaws.com/'

# Actual IP.
print(urllib2.urlopen(ipcheck_url).read())

# Tor IP.
socks.setdefaultproxy(socks.PROXY_TYPE_SOCKS5, '127.0.0.1', 9050)
socket.socket = socks.socksocket
print(urllib2.urlopen(ipcheck_url).read())

Используя только urllib2.ProxyHandler, как в fooobar.com/questions/115635/..., сбой:

Tor is not an HTTP Proxy

Упоминается по адресу Как использовать прокси-сервер SOCKS 4/5 с urllib2?

Протестировано на Ubuntu 15.10, Tor 0.2.6.10, Python 2.7.10.

Ответ 3

Использование privoxy в качестве http-proxy перед tor работает для меня - здесь шаблон искателя:

import urllib2
import httplib

from BeautifulSoup import BeautifulSoup
from time import sleep

class Scraper(object):
    def __init__(self, options, args):
        if options.proxy is None:
            options.proxy = "http://localhost:8118/"
        self._open = self._get_opener(options.proxy)

    def _get_opener(self, proxy):
        proxy_handler = urllib2.ProxyHandler({'http': proxy})
        opener = urllib2.build_opener(proxy_handler)
        return opener.open

    def get_soup(self, url):
        soup = None
        while soup is None:
            try:
                request = urllib2.Request(url)
                request.add_header('User-Agent', 'foo bar useragent')
                soup = BeautifulSoup(self._open(request))
            except (httplib.IncompleteRead, httplib.BadStatusLine,
                    urllib2.HTTPError, ValueError, urllib2.URLError), err:
                sleep(1)
        return soup

class PageType(Scraper):
    _URL_TEMPL = "http://foobar.com/baz/%s"

    def items_from_page(self, url):
        nextpage = None
        soup = self.get_soup(url)

        items = []
        for item in soup.findAll("foo"):
            items.append(item["bar"])
            nexpage = item["href"]

        return nextpage, items

    def get_items(self):
        nextpage, items = self._categories_from_page(self._START_URL % "start.html")
        while nextpage is not None:
            nextpage, newitems = self.items_from_page(self._URL_TEMPL % nextpage)
            items.extend(newitems)
        return items()

pt = PageType()
print pt.get_items()

Ответ 4

Вот код для загрузки файлов с использованием tor proxy в python: (update url)

import urllib2

url = "http://www.disneypicture.net/data/media/17/Donald_Duck2.gif"

proxy = urllib2.ProxyHandler({'http': '127.0.0.1:8118'})
opener = urllib2.build_opener(proxy)
urllib2.install_opener(opener)

file_name = url.split('/')[-1]
u = urllib2.urlopen(url)
f = open(file_name, 'wb')
meta = u.info()
file_size = int(meta.getheaders("Content-Length")[0])
print "Downloading: %s Bytes: %s" % (file_name, file_size)

file_size_dl = 0
block_sz = 8192
while True:
    buffer = u.read(block_sz)
    if not buffer:
        break

    file_size_dl += len(buffer)
    f.write(buffer)
    status = r"%10d  [%3.2f%%]" % (file_size_dl, file_size_dl * 100. / file_size)
    status = status + chr(8)*(len(status)+1)
    print status,

f.close()

Ответ 5

Следующий код работает на Python 3.4 на 100%

(вам нужно оставить TOR Browser открытым wil с помощью этого кода)

Этот script подключается к TOR через socks5 получает IP-адрес от checkip.dyn.com, изменяет идентификатор и повторно отправляет запрос, чтобы получить новый IP (цикл 10 раз)

Для этого вам необходимо установить соответствующие библиотеки. (Наслаждайтесь и не злоупотребляйте)

import socks
import socket
import time
from stem.control import Controller
from stem import Signal
import requests
from bs4 import BeautifulSoup
err = 0
counter = 0
url = "checkip.dyn.com"
with Controller.from_port(port = 9151) as controller:
    try:
        controller.authenticate()
        socks.setdefaultproxy(socks.PROXY_TYPE_SOCKS5, "127.0.0.1", 9150)
        socket.socket = socks.socksocket
        while counter < 10:
            r = requests.get("http://checkip.dyn.com")
            soup = BeautifulSoup(r.content)
            print(soup.find("body").text)
            counter = counter + 1
            #wait till next identity will be available
            controller.signal(Signal.NEWNYM)
            time.sleep(controller.get_newnym_wait())
    except requests.HTTPError:
        print("Could not reach URL")
        err = err + 1
print("Used " + str(counter) + " IPs and got " + str(err) + " errors")

Ответ 6

Обновить - Последняя (вверху v2.10.0) requests библиотека поддерживает прокси-серверы socks с дополнительным требованием requests[socks].

Установка -

pip install requests requests[socks]

Основное использование -

import requests
session = requests.session()
# Tor uses the 9050 port as the default socks port
session.proxies = {'http':  'socks5://127.0.0.1:9050',
                   'https': 'socks5://127.0.0.1:9050'}

# Make a request through the Tor connection
# IP visible through Tor
print session.get("http://httpbin.org/ip").text
# Above should print an IP different than your public IP

# Following prints your normal public IP
print requests.get("http://httpbin.org/ip").text

Старый ответ - Несмотря на то, что это старый пост, он отвечает, потому что никто, кажется, не упомянул библиотеку requesocks.

В основном это порт библиотеки requests. Обратите внимание, что библиотека является старой вилкой (последняя обновленная версия 2013-03-25) и может не иметь тех же функций, что и последняя библиотека запросов.

Установка -

pip install requesocks

Основное использование -

# Assuming that Tor is up & running
import requesocks
session = requesocks.session()
# Tor uses the 9050 port as the default socks port
session.proxies = {'http':  'socks5://127.0.0.1:9050',
                   'https': 'socks5://127.0.0.1:9050'}
# Make a request through the Tor connection
# IP visible through Tor
print session.get("http://httpbin.org/ip").text
# Above should print an IP different than your public IP
# Following prints your normal public IP
import requests
print requests.get("http://httpbin.org/ip").text

Ответ 7

Следующее решение работает для меня в Python 3. Адаптировано из CiroSantilli answer:

С urllib (имя urllib2 в Python 3):

import socks
import socket
from urllib.request import urlopen

url = 'http://icanhazip.com/'

socks.setdefaultproxy(socks.PROXY_TYPE_SOCKS5, '127.0.0.1', 9150)
socket.socket = socks.socksocket

response = urlopen(url)
print(response.read())

С requests:

import socks
import socket
import requests

url = 'http://icanhazip.com/'

socks.setdefaultproxy(socks.PROXY_TYPE_SOCKS5, '127.0.0.1', 9150)
socket.socket = socks.socksocket

response = requests.get(url)
print(response.text)

С Selenium + PhantomJS:

from selenium import webdriver

url = 'http://icanhazip.com/'

service_args = [ '--proxy=localhost:9150', '--proxy-type=socks5', ]
phantomjs_path = '/your/path/to/phantomjs'

driver = webdriver.PhantomJS(
    executable_path=phantomjs_path, 
    service_args=service_args)

driver.get(url)
print(driver.page_source)
driver.close()

Примечание. Если вы планируете часто использовать Tor, подумайте о том, чтобы сделать пожертвование, чтобы поддержать их удивительную работу

Ответ 8

Возможно, у вас проблемы с сетевым подключением? Вышеупомянутый script работал у меня (я заменил другой URL-адрес - я использовал http://stackoverflow.com/ - и я получил страницу как ожидалось:

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd" >
 <html> <head>

<title>Stack Overflow</title>        
<link rel="stylesheet" href="/content/all.css?v=3856">

(и т.д.).

Ответ 9

Tor - это прокси-сервер. Подключение к нему напрямую с помощью пример, который вы цитируете, с ошибкой "urlopen Ошибка подключения туннеля: 501 Tor не является HTTP-прокси". Как говорили другие, вы можете обойти это с помощью Privoxy.

В качестве альтернативы вы также можете использовать PycURL или SocksiPy. Примеры использования как с тор см....

https://stem.torproject.org/tutorials/to_russia_with_love.html

Ответ 10

вы можете использовать torify

запустите свою программу с помощью

~$torify python your_program.py

Ответ 11

Думал, что я просто поделился бы решением, которое сработало для меня (python3, windows10):

Шаг 1. Включите Tor ControlPort на этапе 9151.

Tor работает по умолчанию в порту 9150 и ControlPort на 9151. Вы должны увидеть локальный адрес 127.0.0.1:9150 и 127.0.0.1:9151 при запуске netstat -an.

[go to windows terminal]
cd ...\Tor Browser\Browser\TorBrowser\Tor
tor --service remove
tor --service install -options ControlPort 9151
netstat -an 

Шаг 2: скрипт Python.

# library to launch and kill Tor process
import os
import subprocess

# library for Tor connection
import socket
import socks
import http.client
import time
import requests
from stem import Signal
from stem.control import Controller

# library for scraping
import csv
import urllib
from bs4 import BeautifulSoup
import time

def launchTor():
    # start Tor (wait 30 sec for Tor to load)
    sproc = subprocess.Popen(r'.../Tor Browser/Browser/firefox.exe')
    time.sleep(30)
    return sproc

def killTor(sproc):
    sproc.kill()

def connectTor():
    socks.setdefaultproxy(socks.PROXY_TYPE_SOCKS5, "127.0.0.1", 9150, True)
    socket.socket = socks.socksocket
    print("Connected to Tor")

def set_new_ip():
    # disable socks server and enabling again
    socks.setdefaultproxy()
    """Change IP using TOR"""
    with Controller.from_port(port=9151) as controller:
        controller.authenticate()
        socks.setdefaultproxy(socks.PROXY_TYPE_SOCKS5, "127.0.0.1", 9150, True)
        socket.socket = socks.socksocket
        controller.signal(Signal.NEWNYM)

def checkIP():
    conn = http.client.HTTPConnection("icanhazip.com")
    conn.request("GET", "/")
    time.sleep(3)
    response = conn.getresponse()
    print('current ip address :', response.read())

# Launch Tor and connect to Tor network
sproc = launchTor()
connectTor()

# list of url to scrape
url_list = [list of all the urls you want to scrape]

for url in url_list:
    # set new ip and check ip before scraping for each new url
    set_new_ip()
    # allow some time for IP address to refresh
    time.sleep(5)
    checkIP()

    '''
    [insert your scraping code here: bs4, urllib, your usual thingy]
    '''

# remember to kill process 
killTor(sproc)

Этот сценарий выше обновит IP-адрес для каждого URL-адреса, который вы хотите очистить. Просто убедитесь, что спать достаточно долго, чтобы IP изменился. Последнее прошло вчера. Надеюсь это поможет!

Ответ 12

Чтобы развернуть приведенный выше комментарий об использовании torify и браузера Tor (и не нуждается в Privoxy):

pip install PySocks
pip install pyTorify

(установите браузер Tor и запустите его)

Использование командной строки:

python -mtorify -p 127.0.0.1:9150 your_script.py

Или встроен в скрипт:

import torify
torify.set_tor_proxy("127.0.0.1", 9150)
torify.disable_tor_check()
torify.use_tor_proxy()

# use urllib as normal
import urllib.request
req = urllib.request.Request("http://....")
req.add_header("Referer", "http://...") # etc
res = urllib.request.urlopen(req)
html = res.read().decode("utf-8")

Обратите внимание: браузер Tor использует порт 9150, а не 9050