批量验证代理 IP 是否可用, 有什么特别快的骚操作吗?

刚学编程那会, 直接给 requests 无脑挂上代理去请求的
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
后来觉得为了省流量, 改成 streaming Response 获取 1 ~ 5 KB 就断开
后来觉得 head 请求或者 options 请求也应该能试试连接是否通畅
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
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
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
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?

第 1 条附言 2020-05-04 23:00:54 +08:00

就是想找个思路可以验证一个代理 IP 是健康的, 尽可能的流量小 + 耗时短, 如果有什么比较稳定的接口专门用来验证这个就更好了, 因为还要计算耗时来判断代理的连接速度

之前一直用的接口是 p.3.cn 够快而且抗的住并发 ... 蔷外的是某视频网站的一个很小的 css, 好像 1.3 KB

简单的说, 希望有个什么途径可以极快地先判断出无效的 IP, 也就是分段验证, 早年间写过代理池, 是普通的 aiohttp 设置 connect_timeout(较小) 和 read_timeout 测试的

请求

代理

streaming

后来

7 条回复 2020-05-04 23:15:22 +08:00

gaojin

2020-05-04 22:27:12 +08:00

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

2020-05-04 22:30:32 +08:00

@gaojin #1 感谢, 之前看的都是一些挺一般的代码...

feelinglucky

2020-05-04 22:36:50 +08:00

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

2020-05-04 22:53:03 +08:00

@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

2020-05-04 23:01:07 +08:00

@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

2020-05-04 23:12:15 +08:00

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

2020-05-04 23:15:22 +08:00

@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