可用IP代理池的核心是解决稳定获取、自动检测、按需分配三大问题：采用付费+自建+指纹代理组合来源；分连通性、匿名性、稳定性三层异步检测；按失败触发、请求数轮换、混合权重策略动态分配，并注意TCP复用、DNS缓存等避坑细节。
搭建一个可用的IP代理池，核心不是堆砌技术，而是解决“获取稳定代理—自动检测有效性—按需分配使用”这三个实际问题。很多教程只讲怎么存IP，却忽略代理失效快、封禁频繁、响应慢等真实场景，导致爬虫跑半天就卡住。
一、代理来源：别只盯着免费列表
免费代理网站（如西刺、快代理）更新快但存活率低，90%以上几小时内失效。更实用的方式是组合使用：
- 少量付费代理服务（如芝麻代理、讯代理）作为主力，提供API实时获取高匿HTTP/HTTPS代理，支持按流量或时间计费
- 自建HTTP代理节点（如用云服务器+squid或3proxy部署），适合长期高频任务，可控性强
- 浏览器指纹代理工具（如Browserless配合代理链）用于JS渲染页面，避免被识别为爬虫
注意：避免直接采集教育网、政府类IP，这类地址容易被目标站主动拦截。
二、代理检测：不能只测通不通
单纯用requests.get(url, proxies=proxy, timeout=3)判断是否“能连上”，会漏掉很多陷阱。真实检测要分三层：
立即学习“Python免费学习笔记（深入）”；
- 连通性：能否在2秒内建立TCP连接并返回状态码200
- 匿名性：请求时带上X-Forwarded-For和X-Real-IP头，检查返回IP是否与代理IP一致（防透明代理）
- 稳定性：对同一代理连续发起5次请求，失败率＞20%即标记为待淘汰
建议用异步方式（aiohttp + asyncio）批量检测，效率比同步高5–10倍。
三、动态切换逻辑：按策略而非随机
代理不是越换越勤越好，关键看目标站反爬强度。推荐三种切换策略：
- 失败触发式：单个代理连续2次超时或返回403/429，立即换下一个
- 请求数轮换式：每个代理最多使用10次请求（可配置），避免被记行为特征
- 混合权重式：给代理打分（响应时间×0.4 + 成功率×0.6），每次取Top3中随机一个，用完重新排序
代码层面建议封装成ProxyManager类，统一管理获取、检测、分配、回收流程，不要在业务逻辑里硬写proxies=xxx。
四、实战避坑提醒
很多项目跑着跑着就崩，往往栽在细节：
- 没设session.keep_alive = False，导致TCP连接复用，代理IP被复用多次后被封
- 忽略DNS缓存，本地解析的域名IP没随代理切换更新，造成请求发到旧出口
- HTTPS代理未正确配置https://前缀（应为{"https": "https://user:pass@ip:port"}），导致SSL握手失败
- 日志没记录每次使用的代理IP和响应状态，出问题后无法回溯是哪个节点拖垮整体
不复杂但容易忽略。
