分享一个最近写的 http 代理池工具 proxy_pool

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

爱意满满的作品展示区。

这是一个创建于 1826 天前的主题，其中的信息可能已经有所发展或是发生改变。

proxy_pool

之前用过很多开源出来的工具，效果都不是很理想，于是就自己开发了这个工具。他功能很简单，抓代理并且提供 api 给爬虫或者其他需要 http 代理的软件用。

支持功能

定时抓取互联网公开免费的代理
定时验证可用代理
支持动态代理( https 仅支持 connect)
使用采集到的代理访问代理网站
使用命令行环境变量进行配置

说明

采集的网站可以在 source 文件夹下找到
支持了传统的 api 模式和动态代理，用过阿布云的同学一定知道
有些网站可能当前网络也上不去，所以添加了用采集到的代理去访问目标页面的功能
想要添加自己的 spider，最简单的只要 50 行代码即可

下载地址

如果用的顺手，欢迎 star 一下~

代理

5 条回复 • 2019-12-03 14:51:50 +08:00

mythjava

2019-12-02 16:10:03 +08:00

好东西

xjoker

2019-12-03 09:52:32 +08:00

好像没看见配置检测网址的功能

endoffight

2019-12-03 11:52:57 +08:00 via Android

@xjoker 目前用的是 ip.cip.cc ，这个 url 直接返回客户端 ip，方便比较

是有需求吗？

xjoker

2019-12-03 12:59:26 +08:00

@endoffight #3 刚好最近在做爬虫类的项目
你这个项目真的很不错

有时候会遇到反爬或者 ip 被封禁，所以我这里都是使用一个自定义的地址来检测代理的可用性

endoffight

2019-12-03 14:51:50 +08:00

@xjoker

这个问题其实之前考虑过，因为池子可能不是给某一个爬虫使用，所以当时考虑到创建多个池子，然后针对每一个池配置一个检测代理是否可用的规则，所以我在开发的时候预留了 master 和 worker 模式，master 负责爬，每个 work 会维护自己的池子，m 会把采集到的代理分发到所有 w 中。

但是检测一个代理 IP 是否可用，仅仅靠 http code==200 应该是不够的，遇到 API 类型的 url，可能要解析一下，然后判断某个字段是否正确；或者 html 中出现了某个关键字；还可能有更复杂的判断模式，当时想很多东西，撸代码的时候觉得还是先把基本功能实现了再说。

综上，目前这个项目还是属于初级阶段，代理池时作为一个中立的池子。而你说的这个 feature 等有了 M/W 模式后就很好实现了。现阶段想满足你的需求修改 proxy 的 TestProxy 方法为你自己的逻辑即可。