推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 3018 天前的主题，其中的信息可能已经有所发展或是发生改变。
各位前辈好，个人花了一年业余时间认真学习了 Python 和 Redis ，准备在爬虫这块做深入一点，长久一点，需要维护一个 IP 代理池，目前采取了二种办法：
1 ）在淘宝上购买 ip 代理，带 api 的那种，比较方便，但是发现可用性不是很高，在数百万的爬取中花费也上来了。
2 ）爬取一些免费代理网站公开的代理 ip 列表，然后用这些列表去访问 baidu.com ，返回码 200 ，则表示可用。发现这些代理的可用性更低，而且很快失效。
想请教下各位前辈怎么维护自己的代理 ip 池，主要有二个问题：
1 、那些提供代理 ip 的网站他们的代理 ip 那里来的，如果是扫（或者爬）的，烦请告知需要些什么知识，我去学习了再来继续，有推荐书籍最好。
2 、怎么更好的验证代理的可用性，比如验证速度，是否高匿等。
非常感谢。
 |
1
hunk 2016-01-20 17:10:14 +08:00
这个问题我也考虑过，感觉只有付费才有可能得到高质量的服务。
还没进一步探索可行性。 |
 |
2
codehehe 2016-01-20 17:10:18 +08:00
api 怎么收费的
|
 |
3
lins05 2016-01-20 17:12:44 +08:00  2
|
 |
4
jq8778 2016-01-20 17:13:41 +08:00 1
很久很久以前，有个软件叫 proxyfire ，各种自动，现在除了搜索之外的功能还是能用的。
要大量代理列表的话，一般用吸附，你可以去找几个日更的那种免费代理的 LIST ，然后直接吸附。 验证的话，一个 PHP 脚本搞定（好像叫 proxy judge 的），自己用台服务器，就几个参数（好像是 HTTP_FORWARDED 还是什么的）就可以判断出来了。 当然，爬虫保证稳定性，建议最好不用代理... |
 |
5
yzimhao 2016-01-20 17:15:48 +08:00 1
|
 |
6
eonboy 2016-01-20 17:27:07 +08:00
扫描的话看看 nmap
|
 |
7
zjb861107 2016-01-20 17:52:27 +08:00
忘了什么地方看到过用 tor ，然后重启 tor 可以实现改变 ip 的目的。。。没有实践过，只是提供个思路
|
 |
8
sohoer 2016-01-20 18:00:28 +08:00
|
 |
9
crab 2016-01-20 18:14:13 +08:00 1
代理 IP 不管是免费还是收费，能用的太少了。
现在都是直接买个 VPS 带 adsl 拨号的， 1 天 5 元左右， IP 被封就重新拨号换个这样。 |
 |
10
binux 2016-01-20 18:21:17 +08:00 6
1. 收集代理列表
2. 做一个或者找一个能显示 ip 和 header 的接口 3. 设置一个小于 5 秒的连接超时, 用代理访问这个地址, 测试访问性, 匿名性, 是否插广告, 是否是真的代理. 最好用异步 http 库去做 4. 将代理列表交给一个能够自动切换 /隔离失效代理的代理服务器, 比如 squid 或者自己写一个 5. 毎小时重复一遍 |
 |
11
mengskysama 2016-01-20 19:41:43 +08:00
@yzimhao
我猜你这个验证是拿百度当靶的，然后判断字符串，结果很多人反代百度的。。。 |
 |
12
just1 2016-01-20 19:45:18 +08:00 via Android
扫描还是 zmap
|
 |
13
TaMud 2016-01-20 21:55:22 +08:00
https://proxy.peuland.com
1 小时内可用的，上面都有 |
 |
14
Felldeadbird 2016-01-21 00:45:49 +08:00 via iPhone
我一个单独的去验证可用性，用不了就记录。一周后重置，再代理。我的代理是收费的
|
 |
15
ghy459 2016-01-21 02:27:22 +08:00 via iPhone
插个题外话，部分黑产就是靠抓全网代理赚钱的
|
 |
16
em70 2016-01-21 02:40:29 +08:00
淘宝买的付费代理 API 绝对够用了,你要控制频率啊,不能摁着一个羊薅羊毛,几百个 IP 轮着来
|
 |
17
ywencn 2016-01-21 08:37:04 +08:00
|
 |
18
dreasky 2016-01-21 09:10:40 +08:00 2
用 TOR ，可以通过 socket 给 TOR 发送切换新 ip 消息，免费还无限量
|
 |
20
louk78 2016-01-21 15:07:04 +08:00 1
用 Goagent ，谷歌的 IP 扫不完
|
 |
24
feather12315 2016-03-19 10:29:22 +08:00
@TaMud {'message': 'hello bot'}
...... |
 |
25
mapleray 2016-03-30 22:20:52 +08:00 1
|
|
26
feather12315 2016-03-30 23:54:01 +08:00 via Android
@mapleray 感谢。当初嫌麻烦，懒得实现，这下有现成的啦～
|
 |
28
Soar360 2018-01-16 11:05:50 +08:00
|
 |
29
sw10 2018-02-24 20:53:08 +08:00
1. 那些提供代理 ip 的网站他们的代理 ip 那里来的？
部分是扫描来的，部分是自建的，另外一些是比较特殊的渠道。（如：路由器内置） 2. 怎么更好的验证代理的可用性，比如验证速度，是否高匿等。 判断是否高匿用 httpbin.org 就行。 最后广告以下，我自己有维护一个代理池，提供免费和付费两种形式，有部分 V2EX 的朋友在使用。具体参考下面的站内贴： /t/424630 |
Select Language