Question

爬虫如何选用合适的代理IP

Answer 1

1.IP池要大
众所周知，爬虫采集需要大量的IP，有的时候会每天需要几百万上千万的调用，如果IP数量不够，那爬虫的工作也无法进行下去。所以大规模业务所使用的爬虫一般要找实测至少百万以上的IP，才能确保业务不受影响。
2.并发要高
爬虫采集一般都是多线程进行的，需要短期内内获取海量的IP，如果并发不够，会大大降低爬虫采集的数据。一般需要单次调用200，间隔一秒，而有些IP池，一次只能调用10个IP，间隔还要5秒以上，这样的资源就不适合拿来开展业务，一般只适合爬虫初学者练习使用。
3.可用率要高
大部分业务对于IP可用率的需求都很高，因为许多通过扫描公网IP得来的资源，有可能上千万的IP实际可用率不到5%，这样来看能用的IP就非常有限了，而且还会浪费大量的时间去验证IP的可用性。而例如IPIDEA这种优秀的爬虫http代理池的IP，一般可用率都会保持在90%以上。
4.IP资源最好独享
独享IP能直接影响IP的可用率，独享http代理能确保每个IP同时只有一个用户在使用，能确保IP的可用率、稳定性。
5.调用方便
对于爬虫工作者而言，调用API也是一个较为繁琐的过程，而部分较为优质的代理服务商往往有着丰富的API接口，方便集成到任何程序里，以便爬虫使用。