带过几个做采集的新人，发现一个规律：选服务商的时候大家研究得头头是道，真拿到账号了反而卡住——控制台一堆按钮，鉴权、协议、提取方式，到底先点哪个？
脚本跑不通的原因，十次有八次不在代码，在接入流程的某一步走岔了。这篇按时序把5步拆开讲，配Python示例，基本照着走就能跑通。适合写采集器、拉拓客数据这类需要程序化调代理的场景。
先说清楚一件事：什么时候才需要走API。如果你就是手动换几个IP点点网页，图形化客户端够用了，别折腾。API是给这些场景准备的：
- 脚本7×24跑，每天几十万到几亿次请求
- 采集器定时任务，得按运行时机自动取IP
- 高频换IP，人工切根本切不过来
动手前把这几样备齐：代理账号（注册+实名）、服务器公网IP（配白名单要用）、Python 3.7+（本文用requests举例）、还有你的目标站清单——采什么、多高频率、并发多少，心里得有数。
第1步：申请资源，选鉴权方式
控制台申请套餐，然后二选一：IP白名单 或 账号密码认证。国内主流服务商基本都是这两种。
白名单就是把你程序所在服务器的公网IP加进去，之后请求不用带账密，直接调。账密认证则是每次请求带用户名密码。
怎么选？一句话：服务器IP固定用白名单，其他情况都用账密。
| 你的环境 | 选哪个 |
|---|---|
| 固定公网IP的服务器 | 白名单 |
| 本地开发 / 多机部署 | 账密 |
| 容器 / 云函数（IP飘的） | 账密 |
| 内网穿透 / NAT | 账密 |
| 就想最快跑起来 | 账密，白名单都不用配 |
顺带一提，我们现在用的极安代理两种都支持，控制台改完即时生效。新注册有8小时免费试用额度，正好拿来验证鉴权配没配对——别一上来就充钱，先把链路打通。
第2步：定协议和提取方式
协议看目标站。HTTP/HTTPS/SOCKS5三件套主流服务商都有，绝大多数网页采集HTTP代理就够了（HTTPS站也能走，后面FAQ会讲），只有邮件、FTP这类非HTTP协议才需要SOCKS5。
提取方式看你想在程序端管多少事，三种：
- API提取：调一个URL，返回一批IP，自己维护IP池
- 手动提取：控制台复制，调试或者一次性小任务用
- 隧道代理：程序固定连一个入口，出口IP云端自动换
这里给个偏心的建议：能用隧道就用隧道。程序里只配一个固定入口地址加鉴权，换IP、剔除坏IP、重试全在云端做完了。自己维护IP池那套代码——健康检查、失效剔除、并发安全——写过一次的人都懂，能不写就不写。
第3步：写代码
requests最常见，账密认证长这样（IP端口换成你控制台里的实际值）：
import requests
proxy_user = "your_username"
proxy_pass = "your_password"
proxy_host = "proxy.example.com"
proxy_port = "8000"
proxies = {
"http": f"http://{proxy_user}:{proxy_pass}@{proxy_host}:{proxy_port}",
"https": f"http://{proxy_user}:{proxy_pass}@{proxy_host}:{proxy_port}"
}
url = "https://target-site.example.com/public/data"
try:
response = requests.get(url, proxies=proxies, timeout=10)
print(response.status_code, response.text[:200])
except requests.exceptions.RequestException as e:
print(f"Request failed: {e}")
白名单方式更简单，URL里不用带账密：
proxies = {
"http": f"http://{proxy_host}:{proxy_port}",
"https": f"http://{proxy_host}:{proxy_port}"
}
隧道代理的写法几乎一模一样，就是host换成隧道入口、port换成隧道端口。程序里不用写任何换IP的循环，每次请求出口IP自动换，这是它最舒服的地方。
并发方案按量级选：
| 场景 | 方案 |
|---|---|
| 单线程串行 | requests + 手动重试 |
| 10-100线程 | requests + ThreadPoolExecutor |
| 高并发异步 | aiohttp + asyncio |
| 长连接持续采 | 复用Session |
注意一个隐形天花板：隧道代理套餐一般有默认并发上限（每秒几个到十几个请求不等）。压测时突然大量连接失败，先别怀疑代码，去控制台看看是不是撞限流了。要上量就申请提并发或升套餐。
第4步：异常处理和重试——脚本能不能过夜就看这步
采集脚本最怕的不是单次失败，是失败了没人管，跑一半整个挂掉，第二天早上看日志血压拉满。行业通用做法是三层保护：连接超时、请求失败、代理不可用，分开处理。
import requests
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry
session = requests.Session()
retry = Retry(
total=3,
backoff_factor=0.5,
status_forcelist=[500, 502, 503, 504]
)
adapter = HTTPAdapter(max_retries=retry)
session.mount("http://", adapter)
session.mount("https://", adapter)
try:
resp = session.get(url, proxies=proxies, timeout=(5, 15))
resp.raise_for_status()
except requests.exceptions.ProxyError:
# 代理不可用，换一个
pass
except requests.exceptions.Timeout:
# 超时，重试或跳过
pass
except requests.exceptions.HTTPError as e:
# 4xx/5xx，按状态码分类处理
pass
排查对照表，建议存一份：
| 异常 | 大概率原因 | 怎么办 |
|---|---|---|
| ProxyError | IP失效、鉴权错 | 换IP，查白名单/账密 |
| ConnectTimeout | 代理服务没响应 | 缩短超时、换节点 |
| ReadTimeout | 目标站响应慢 | 加大超时、降并发 |
| SSLError | 证书问题 | 查系统证书、更新CA |
| 403/429 | 目标站限频了 | 降频、加随机延迟 |
| 502/503 | 目标站临时抽风 | 指数退避重试 |
隧道和短效在这一步的差别很明显：短效代理你得自己维护IP池，取IP先做健康检查，失效就移除；隧道场景下IP失效云端自动处理，程序侧基本见不到ProxyError。像极安的隧道机制是当前出口IP异常时，下一次请求自动切到可用IP，应用层不用写换IP逻辑，这也是隧道类产品的标准做法。
第5步：上线之后，盯三个数
上线不是终点。三个核心指标：请求成功率、平均响应时间、IP使用效率。任何一个不对劲，回前四步找原因。
| 指标 | 算法 | 参考线 |
|---|---|---|
| 请求成功率 | 200数 / 总请求数 | 中长期 >95% |
| 平均响应时间 | 采样均值 | 网页 <3s、API <1s |
| 代理连通率 | 代理层无异常率 | >99% |
| IP使用效率 | 有效IP / 提取IP | >90% |
日志别偷懒：每条记目标URL、状态码、耗时、代理IP尾号，按业务模块分开。成功率跌破阈值直接推企业微信/钉钉告警，别等第二天人肉翻日志。每天出个汇总和历史基线比一比，趋势比单点重要。
指标劣化了往这三个方向查：
- 协议不匹配——目标站强制HTTPS你配了纯HTTP代理，会出一堆4xx
- 并发超限——单IP或整体并发撞了服务商上限，要么升套餐要么加节流
- 地域不对——目标站有区域限制或分地区返回内容，换支持城市定向的产品
以上。流程不复杂，坑都在细节里。有别的踩坑经历欢迎评论区交流。
