Proxy_Pool自动化代理搜集+评估+存储+展示工具

Proxy_Pool代理资源池，一个小巧的代理ip抓取+评估+存储+展示的一体化的工具，可自动化的搜集检测可用代理并进行评分，并添加了Web展示和接口。

安装

1、从GitHub上拖下来

git clone https://github.com/TideSec/Proxy_Pool

2、在mysql中新建数据库proxy，将proxy.sql文件导入，在include/config.inc.php中修改数据库密码。

3、此时本机访问http://ip:port，应该可以看到代理web展示界面

4、安装python2依赖库

pip install lxml
pip install requests
pip install pymysql

5、在py_proxy_task/config.py文件中配置数据库连接信息及其他参数。

使用

在py_proxy_task目录下有proxy_get.py和proxy_check.py两个程序，前者负责每天抓ip存进数据库，后者负责数据库中ip的清理和评估。

python proxy_get.py
# 等待上述程序抓取完结果后再运行评测程序
python proxy_check.py

之后按默认配置，这两个程序每天分别执行抓取和评估工作，放服务器上长期运行即可。

简介

原代码在这里：https://github.com/chungminglu/Proxy

我对部分代码进行了修改，完善了部分提取代理的解析代码，并加入了web展示和web接口，方便其他程序调用。

web页面我是从我的另外一个扫描器上改过来的：https://github.com/TideSec/WDScanner/，里面可能有部分无用代码没有删除。

程序的几个功能：

1、每天从多个代理ip网站上抓下最新高匿ip数据。

2、经过筛选后的ip将存入数据库。

3、存入数据库的ip每天也要经过测试，存在剔除、评分机制，多次不合格的ip将被删除，每个ip都被评分，我们最终可以按得分排名获得稳定、低响应时间的优质ip。

web展示如下图所示：

web接口如下图所示：

参数设置

1、在py_proxy_task/config.py文件可进行代理评估参数的设置。

USELESS_TIME = 4   # 最大失效次数
SUCCESS_RATE = 0.8
TIME_OUT_PENALTY = 10  # 超时惩罚时间
CHECK_TIME_INTERVAL = 24*3600  # 每天更新一次

2、除数据库配置参数外，主要用到的几个参数说明如下：

USELESS_TIME和SUCCESS_RATE是配合使用的，当某个ip的USELESS_TIME < 4 && SUCCESS_RATE < 0.8时（同时兼顾到ip短期和长期的检测表现），则剔除该ip。

TIME_OUT_PENALTY， 当某个ip在某次检测时失效，而又没有达到上一条的条件时（比如检测了100次后第一次出现超时），设置一个response_time的惩罚项，此处为10秒。

CHECK_TIME_INTERVAL， 检测周期。此处设置为每隔12小时检测一次数据库里每一个ip的可用性。

策略

1、每天如下5个代理ip网站上抓下最新高匿ip数据：mimi、66ip、xici、cn-proxy、kuaidaili

2、N轮筛选

收集到的ip集合将经过N轮，间隔为t的连接测试，对于每一个ip，必须全部通过这N轮测试才能最终进入数据库。如果当天进入数据库的ip较少，则暂停一段时间（一天）再抓。

3、数据库中ip评价准则

检测过程中累计超时次数>USELESS_TIME&&成功率<SUCCESS_RATE就被剔除。score = (success_rate + test_times / 500) / avg_response_time原来的考虑是score = success_rate / avg_response_time, 即：评分=成功率/平均响应时间， 考虑到检测合格过100次的老ip比新ip更有价值，检测次数也被引入评分。