Linux Shell 提供两个非常实用的命令来爬取网页，它们分别是 curl 和 wget
，作为大数据分析研究的基础服务，对其做了深入的研究和总结。
curl 和 wget 使用代理
curl 支持 http、https、socks4、socks5
wget 支持 http、https
Shell curl wget 示例
#!/bin/bash## curl 支持 http、https、socks4、socks5# wget 支持 http、https## 米扑代理示例：# https://proxy.mimvp.com/demo2.php## 米扑代理购买：# https://proxy.mimvp.com## mimvp.com# 2015-11-09#【米扑代理】：本示例，在CentOS、Ubuntu、MacOS等服务器上，均测试通过## http代理格式 http_proxy=http://IP:Port# https代理格式 https_proxy=http://IP:Port## proxy no auth# curl和wget，爬取http网页{'http': 'http://120.77.176.179:8888'}curl -m 30 --retry 3 -x http://120.77.176.179:8888 http://proxy.mimvp.com/test_proxy2.php # http_proxywget -T 30 --tries 3 -e "http_proxy=http://120.77.176.179:8888" http://proxy.mimvp.com/test_proxy2.php # http_proxy# curl和wget，爬取https网页（注意：添加参数，不经过SSL安全验证）{'https': 'http://46.105.214.133:3128'}curl -m 30 --retry 3 -x http://46.105.214.133:3128 -k https://proxy.mimvp.com/test_proxy2.php # https_proxywget -T 30 --tries 3 -e "https_proxy=http://46.105.214.133:3128" --no-check-certificate https://proxy.mimvp.com/test_proxy2.php # https_proxy # curl 支持socks# 其中，socks4和socks5两种协议的代理，都可以同时爬取http和https网页{'socks4': '101.255.17.145:1080'}curl -m 30 --retry 3 --socks4 101.255.17.145:1080 http://proxy.mimvp.com/test_proxy2.phpcurl -m 30 --retry 3 --socks4 101.255.17.145:1080 https://proxy.mimvp.com/test_proxy2.php {'socks5': '82.164.233.227:45454'}curl -m 30 --retry 3 --socks5 82.164.233.227:45454 http://proxy.mimvp.com/test_proxy2.phpcurl -m 30 --retry 3 --socks5 82.164.233.227:45454 https://proxy.mimvp.com/test_proxy2.php# wget 不支持socks## proxy auth（代理需要用户名和密码验证）# curl和wget，爬取http网页curl -m 30 --retry 3 -x http://username:password@210.159.166.225:5718 http://proxy.mimvp.com/test_proxy2.php # httpcurl -m 30 --retry 3 -x http://username:password@210.159.166.225:5718 https://proxy.mimvp.com/test_proxy2.php # httpscurl -m 30 --retry 3 -U username:password -x http://210.159.166.225:5718 http://proxy.mimvp.com/test_proxy2.php # httpcurl -m 30 --retry 3 -U username:password -x http://210.159.166.225:5718 https://proxy.mimvp.com/test_proxy2.php # httpscurl -m 30 --retry 3 --proxy-user username:password -x http://210.159.166.225:5718 http://proxy.mimvp.com/test_proxy2.php # httpcurl -m 30 --retry 3 --proxy-user username:password -x http://210.159.166.225:5718 https://proxy.mimvp.com/test_proxy2.php # httpswget -T 30 --tries 3 -e "http_proxy=http://username:password@2.19.16.5:5718" http://proxy.mimvp.com/test_proxy2.phpwget -T 30 --tries 3 -e "https_proxy=http://username:password@2.19.16.5:5718" https://proxy.mimvp.com/test_proxy2.phpwget -T 30 --tries 3 --proxy-user=username --proxy-password=password -e "http_proxy=http://2.19.16.5:5718" http://proxy.mimvp.com/test_proxy2.phpwget -T 30 --tries 3 --proxy-user=username --proxy-password=password -e "https_proxy=http://2.19.16.5:5718" https://proxy.mimvp.com/test_proxy2.php# curl 支持sockscurl -m 30 --retry 3 -U username:password --socks5 21.59.126.22:57216 http://proxy.mimvp.com/test_proxy2.php # httpcurl -m 30 --retry 3 -U username:password --socks5 21.59.126.22:57216 https://proxy.mimvp.com/test_proxy2.php # httpscurl -m 30 --retry 3 --proxy-user username:password --socks5 21.59.126.22:57216 http://proxy.mimvp.com/test_proxy2.php # httpcurl -m 30 --retry 3 --proxy-user username:password --socks5 21.59.126.22:57216 https://proxy.mimvp.com/test_proxy2.php # https# wget 不支持socks
wget 配置文件设置代理
vim ~/.wgetrchttp_proxy=http://120.77.176.179:8888:8080https_proxy=http://12.7.17.17:8888:8080use_proxy = onwait = 30# 配置文件设置后，立即生效，直接执行wget爬取命令即可wget -T 30 --tries 3 http://proxy.mimvp.com/test_proxy2.phpwget -T 30 --tries 3 https://proxy.mimvp.com/test_proxy2.php
Shell 设置临时局部代理
# proxy no authexport http_proxy=http://120.77.176.179:8888:8080export https_proxy=http://12.7.17.17:8888:8080# proxy auth（代理需要用户名和密码验证）export http_proxy=http://username:password@120.77.176.179:8888:8080export https_proxy=http://username:password@12.7.17.17:8888:8080# 直接爬取网页curl -m 30 --retry 3 http://proxy.mimvp.com/test_proxy2.php # http_proxycurl -m 30 --retry 3 https://proxy.mimvp.com/test_proxy2.php # https_proxywget -T 30 --tries 3 http://proxy.mimvp.com/test_proxy2.php # http_proxywget -T 30 --tries 3 https://proxy.mimvp.com/test_proxy2.php # https_proxy# 取消设置unset http_proxyunset https_proxy
Shell 设置系统全局代理
# 修改 /etc/profile，保存并重启服务器sudo vim /etc/profile # 所有人有效或sudo vim ~/.bashrc # 所有人有效或vim ~/.bash_profile # 个人有效 ## 在文件末尾，添加如下内容# proxy no authexport http_proxy=http://120.77.176.179:8888:8080export https_proxy=http://12.7.17.17:8888:8080# proxy auth（代理需要用户名和密码验证）export http_proxy=http://username:password@120.77.176.179:8888:8080export https_proxy=http://username:password@12.7.17.17:8888:8080## 执行source命令，使配置文件生效（临时生效）source /etc/profile或source ~/.bashrc或source ~/.bash_profile## 若需要机器永久生效，则需要重启服务器sudo reboot
米扑代理示例
米扑代理，专注为企业提供国内大数据研究服务，技术团队来自百度、小米、阿里、创新工场等，为国内企业提供大数据采集、数据建模分析、结果导出展示等服务。
米扑代理示例，包含Python、Java、PHP、C#、Go、Perl、Ruby、Shell、NodeJS、PhantomJS、Groovy、Delphi、易语言等十多种编程语言或脚本，通过大量的可运行实例，详细讲解了使用代理IP的正确方法，方便网页爬取、数据采集、自动化测试等领域。
米扑代理示例官网 ：