# Proxy_Pool
**Repository Path**: bianyuan456/Proxy_Pool
## Basic Information
- **Project Name**: Proxy_Pool
- **Description**: 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，包括了web展示和接口。
- **Primary Language**: JavaScript
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-08-11
- **Last Updated**: 2022-01-07
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# Proxy_Pool
Proxy_Pool，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上脱下来，把代码放在web目录下。
```
git clone https://github.com/TideSec/Proxy_Pool
```
web服务器在unix/linux下可以用`https://github.com/teddysun/lamp`进行快速安装。
在windows下可以用[phpstudy](http://phpstudy.php.cn/)进行快速部署。
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。
```bash
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
原作者代码在这里：`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
在py_proxy_task/config.py文件可进行代理评估参数的设置。
```python
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
```
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
* 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```
* 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。
* 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。
# 关注我们
**TideSec安全团队：**
Tide安全团队正式成立于2019年1月，是以互联网攻防技术研究为目标的安全团队，目前聚集了十多位专业的安全攻防技术研究人员，专注于网络攻防、Web安全、移动终端、安全开发、IoT/物联网/工控安全等方向。
想了解更多Tide安全团队，请关注团队官网: http://www.TideSec.net 或关注公众号：
**和我联系：**
