在這篇文章之前, 應(yīng)該不少人都看過(guò)很多搭建代理ip池的文章, 然后發(fā)現(xiàn)都是坑, 無(wú)法使用。說(shuō)的比較多的例如：推薦買(mǎi)xx家的代理ip, 賊穩(wěn)定, 好使(廣告) 第二種 抓取xx免費(fèi)代理ip, 然后自己寫(xiě)一個(gè)校驗(yàn), 然后寫(xiě)一個(gè)api, 提供給爬蟲(chóng)使用。使用專(zhuān)業(yè)的動(dòng)態(tài)撥號(hào)VPS，比如云立方。

先不說(shuō)哪家公司的產(chǎn)品好，這個(gè)只有試過(guò)的人才有資格說(shuō)道，但是像這種免費(fèi)的代理IP真的好用嗎？絕大部分, 在你搭建好以后, 發(fā)現(xiàn)爬蟲(chóng)還是爬不動(dòng), 免費(fèi)代理ip根本無(wú)法使用的好伐！稍微好點(diǎn)的haipproxy，但是不解決根本問(wèn)題! 絕大部分ip失效太快了! 而且各種錯(cuò)誤, 爬十個(gè)頁(yè)面, 能成功一個(gè)都算燒高香了。

那么, 到底為啥免費(fèi)的代理ip不好使呢? 還有很多人都問(wèn)到, 那些代理ip商真的有那么多ip么？

其實(shí)不是, 免費(fèi)代理ip很多都是掃出來(lái)的, 掃ip段, 端口, 特征碼。發(fā)現(xiàn)可以使用, 那就是代理ip。

代理ip不好用, 一般是因?yàn)橐韵聨讉€(gè)原因 1. 掃到的代理ip是臨時(shí)的 2. 訪(fǎng)問(wèn)量太大, 服務(wù)器都掛了 3. 本來(lái)就不是代理ip 4. 有驗(yàn)證 5. 本來(lái)是http的代理, 你用來(lái)訪(fǎng)問(wèn)https, 那當(dāng)然不行了! 6. 代理異常, 連接中斷, 帶寬被沾滿(mǎn), 返回錯(cuò)誤。

如果不想花錢(qián), 那么就只能自己找到穩(wěn)定的代理ip, 然后來(lái)使用。 而一般的代理池, 成了說(shuō)明能用, 不成就是失敗。最多加個(gè)分值計(jì)算什么的。

之前看了下haipproxy的代碼, 成功率高就得自己寫(xiě)驗(yàn)證, 說(shuō)白了, 在爬蟲(chóng)使用之前, 先嘗試訪(fǎng)問(wèn)下, 來(lái)提高成功率, 我覺(jué)得意義不大。

上面都廢話(huà), 以下才是主要的 其實(shí)免費(fèi)代理ip中, 有極少數(shù)的一部分, 是非常穩(wěn)定的代理服務(wù)器, 所以這些服務(wù)器就可以長(zhǎng)期用來(lái)使用。

抓取到的免費(fèi)的代理ip, 中, 過(guò)濾后剩下的ip的訪(fǎng)問(wèn)成功率基本在90%+

第一、其實(shí)最簡(jiǎn)單的方式就是根據(jù)服務(wù)器開(kāi)放的端口來(lái)判斷, 如果服務(wù)器有開(kāi)放80, 3389, 3306, 22之類(lèi)的端口, 那么說(shuō)明服務(wù)器還有別的服務(wù)在運(yùn)行, 掛掉的幾率很小, 如果是政府、學(xué)校的服務(wù)器, 那么更加穩(wěn)定。當(dāng)然也有可能開(kāi)放別的端口

第二、服務(wù)器的訪(fǎng)問(wèn)速度判斷, 需要訪(fǎng)問(wèn)多個(gè)不同的網(wǎng)址, 來(lái)取平均數(shù), 這樣的訪(fǎng)問(wèn)速度才比較穩(wěn)

第三、代理ip的存活時(shí)間, 越長(zhǎng)越穩(wěn)定, 當(dāng)然這個(gè)是在你搭建抓取后, 來(lái)進(jìn)行計(jì)算。

第四、代理類(lèi)型的重新檢測(cè), 通過(guò)訪(fǎng)問(wèn)不同的http和https網(wǎng)站, 判斷代理到底是http還是https, 并且進(jìn)行劃分, http的代理, 那就訪(fǎng)問(wèn)http網(wǎng)址的時(shí)候使用, https的代理給https訪(fǎng)問(wèn)提供服務(wù), 這樣訪(fǎng)問(wèn)的幾率才能提高。對(duì)于代理IP的問(wèn)題詳情可以登錄“云立方網(wǎng)”查看具體操作。