批量验证代理 IP 是否可用, 有什么特别快的骚操作吗?

[ClericPy]

问题就是: 有什么特别省流量, 速度特别快, 结果也比较正确的校验一堆免费代理是否健康的通用方式? 这个问题两年前问过, 现在想再看看有没有新的思路

1. 刚学编程那会, 直接给 requests 无脑挂上代理去请求的

2. 后来发现可以先用内置的 socket 库去连一连那个代理, timeout 设置的很小就可以先筛一轮无效 IP

3. 后来觉得为了省流量, 改成 streaming Response 获取 1 ~ 5 KB 就断开

4. 后来觉得 head 请求或者 options 请求也应该能试试连接是否通畅

5. 后来觉得应该有一个连接成功率的东西存在, 所以每次发 5 个请求, 计算成功请求的占比

6. 再后来觉得只发 head 请求不能证明 get 请求是 OK 的... 所以又改为了流式请求比较前 1 KB 的数据, 顺便记录上请求时间

7. 再后来看了下一些 star 挺多的代理池代码, 貌似大部分人就是普通的对 baidu 发了个 get 请求, 然后也不验证返回的数据, 甚至也没使用 streaming, 就是判断下 status_code 是不是 200

8. 现在想看看有没有什么特别一点的思路, 比如先对 IP 握个手 SYN?

[gaojin]

提供个思路。。。可以看看 squid 、nginx 这些是如何验证某个 ip 的质量的

[ClericPy]

@gaojin #1 感谢, 之前看的都是一些挺一般的代码...

[feelinglucky]

https://github.com/mingcheng/proxypool 看看我写的？

其实很简单，开个定时器去轮询检查就可以了。不过不知道你想要用什么技术栈实现，例如 golang 就有原生的代理库支持，所以不用想那么多。

[ClericPy]

@feelinglucky #3 不是轮询什么的问题, 就只谈验证一个 IP 的健康度, 有什么除了挂上代理真正请求一次以外的其他思路, 可以节省流量而且足够快, 结果又是准确的. golang 的正好最近在学, 我看一下试试

[feelinglucky]

@ClericPy https://github.com/mingcheng/proxypool/blob/master/model/proxy.go#L66

节省流量角度考虑的话，先看下端口是不是开放，然后测试 HTTP 拿头和 Response Code 是不是 200 就 OK
了。

其实，个人觉得这个场景下可用的代理也是有时效性的，所以即便检查了使用的时候也有可能跪了，因此拿到 IP 列表的时候进行弱检查就可以了，使用的时候设置重试切换次数。

[oott123]

别的不知道，但你要响应足够小，可以试试：

g.cn/generate_204
www.google.com/generate_204
www.qualcomm.cn/generate_204

都是支持 http / https 的，而且都很能扛并发

[ClericPy]

@oott123 #6 哈哈, 太好了, 连蔷外也可以
@feelinglucky #5 嗯, 一开始说的用内置 socket 就是验证端口能否连接

非常感谢二位, 要的就是这些思路