爬虫绕不开代理，免费的可用率低，付费的过期时间往往又不确定。如何校验也是问题。造了个轮子，欢迎拍砖~

[xtpitt]

proxy_tower

代理负载均衡模块，更高效率的使用代理池

注：proxy_tower 本身不抓取、嗅探代理

特性

• 多倍转发
  • 支持将收到的代理请求转发给多个 proxy
  • 返回最快并且有效的 response

多倍转发可有效解决免费 /不稳定代理使用率低的问题

• response 校验
  • pattern 是目标站点的某个复用页面，通常有同样的 URL 前缀，类似的 HTML 结构，如豆瓣电影movie.douban.com/subject/
  • 通过前缀树存储 pattern 和对应的 xpath 或 keyword 校验规则，高效、简便的解决了多站点校验的问题
  • 不同的 pattern 有其各自的代理池

地址： https://github.com/worldwonderer/proxy_tower

[locoz]

看了一下，大概猜到你是弄这东西是为了干啥了…不建议用这么简单粗暴的方式硬怼，量大的话很容易把 IP 池给污染掉，用一段时间后会发现成功概率越来越低。

“付费代理过期时间不确定”这个有点迷，如果说是要保持使用同一个 IP 的话，跟同时转发给多个代理这个操作又是有冲突的。而且现在做得比较大的那几家代理 IP 商貌似都没有过期时间不确定这个情况？

[locoz]

🤣然后现在国内有专门的爬虫社区了，我们夜幕团队弄的，楼主你可以去那边也发一下 hhhh，地址是： https://bbs.nightteam.cn

[xtpitt]

@locoz 看过大佬的社区，明天去转发一下
1. 多倍转发特性主要是针对免费代理的，目的是快速过滤掉一些广告代理和低质代理，方式确实有点类似的多倍发包，哈哈哈。 付费代理的话，我之前用过的某麻代理等，都说明 15 分钟有效，但测试下来，过期时间确实不稳定。
2. 主要想推广 response 校验的特性，在别的代理项目中，暂时还没发现实现这个功能的~

[locoz]

@xtpitt #3 这样啊。我明天帮你喷一喷某麻的人 。

response 校验的话就是我前面说的，方便是方便但是容易把 IP 池污染掉。毕竟现在很多反爬虽然识别 IP 但并不是以 IP 作为核心判断点的（因为商业级代理 IP 全是拨号 IP...容易误伤），如果出现被反爬的情况很大概率是因为别的问题，而这种情况下如果还继续暴力请求的话就很容易被直接封 IP 了。

这种偏无感知的 response 校验操作挺好的，适合往一些框架里集成（指对反爬系统返回的东西进行通用化的校验）。

[392039757]

@xtpitt 免费代理现在都玩不进了，免费代理的网站总是失效，我们直接撸收费代理扔到代理池，设定失效时间

[xtpitt]

@392039757 中小型项目还是可以玩玩的，毕竟还有很多公司不舍得买代理。开着校验和多倍转发，我在个人项目用着成功率很高。

[lc7029]

扫描 IP，能用就加到代理列表里
以前闲的蛋疼把 0.0.0.0-255.255.255.255 全扫了，顶多 43 亿地址

[xtpitt]

@lc7029 算上端口，数量还是挺多的。虽然代理的端口一般都用那几个。

[xtpitt]

@locoz 刚刚附言中回答了下你所说的问题，是有做策略的

[locoz]

@lc7029 #7 效率太低了，还有一种更高效的办法：直接用 zoomeye 之类的网络空间搜索引擎搜代理服务器相关关键词。

[lc7029]

@locoz 效率低归低，越简单的方法越有效不是？