先捋业务，再谈选型
给爬虫配代理，很多人第一步就走偏了——打开搜索引擎直接问"哪家代理便宜"。顺序其实反了。代理是工具，工具好不好用，取决于你要干的活。动手选之前，先把三个问题想明白：
第一，目标网站的风控有多严？有的站点对访问频率很宽容，一个IP每秒请求几次都没事；有的站点盯得很紧，同一个IP短时间内高频访问就会弹验证。风控越严，对IP纯度和池子规模的要求就越高。
第二，一次任务要跑多久？几分钟就能跑完的小任务，短效动态IP完全够用；要挂一整天的长任务，就得考虑长效IP，不然中途IP失效，任务断在半路，前面采的数据还得补。
第三，数据跟地区有没有关系？比如做市场研究时要对比不同城市的展示差异，那就必须选支持城市级定位的服务商，泛泛的"省级"粒度可能不够用。
这三个问题想清楚了，选型的框架自然就有了。下面进入硬指标环节。
五个硬指标，一个都别跳过
市面上的代理服务商，宣传页都写得天花乱坠，但真正决定使用体验的就那么几项。我整理成一张表，你可以直接拿去对照：
| 指标 | 及格线 | 优秀水平 | 对采集的影响 |
|---|---|---|---|
| 可用率 | 90%以上 | 99%以上 | 决定重试成本，低了脚本一直在做无用功 |
| 响应延迟 | 500ms以内 | 100ms上下 | 直接影响单线程采集速度 |
| IP纯度 | 95%以上 | 99.8% | 纯度低容易被目标站拦，验证码变多 |
| 池子规模 | 百万级 | 3000万+ | 池子小容易拿到重复IP，风控压力大 |
| 地域覆盖 | 覆盖主要省份 | 300+城市 | 需要指定地区数据时的硬门槛 |
表里有两项值得多说两句。一是可用率，这是最容易掺水的数字——有的服务商把"提取成功"算作可用，实际上你拿到手根本连不上。真正有意义的口径是"拿到手并且能正常完成请求"。二是IP纯度，指的是IP来源干不干净。像神龙HTTP这种有三大运营商正规授权的服务商，IP来源可查，纯度能标到99.8%，用起来验证码明显更少；来路不明的IP，可能上一个使用者刚在目标站留下过不良记录，你一接手就被拦，查半天查不出原因。
动态、静态、固定，类型别选错
指标过关只是基础，类型选错了照样白折腾。目前主流服务商的产品线基本分三类，对应三种业务形态：
短效动态IP：存活时间短，几分钟到几十分钟不等，用完即弃。适合高频请求、目标站对单IP敏感的公开数据采集，是爬虫场景里用得最多的类型。
长效静态IP：存活时间长，适合需要维持会话状态的采集任务，比如要带着登录态连续操作的场景，中途IP失效就得重来。
固定IP代理：出口IP长期不变，适合需要稳定对接的业务，比如对方接口做了来源核验的情况。
拿不准的话，优先选产品线齐全的服务商。神龙HTTP这三类都有，业务变了可以直接在同一家改用别的产品线，不用重新走一遍测试流程，接入代码也不用大动。
实测三步法：别信宣传，信数据
指标和类型都定了，最后一步是上手实测。这步千万别省，宣传数字和实际体验之间的差距，只有跑一遍才知道。我的习惯是三步走：
第一步，抽样提取。从服务商的API提取链接随机取50个IP做样本。别只测三五个，样本太小没有参考价值。
第二步，并发压测。记录每个IP的成功率和响应延迟，算出整体可用率和平均延迟，回头跟官方宣传的数字对一对。
第三步，长跑观察。挑几个IP持续请求，看实际存活时间跟标称时长差多少。差得太多，说明对方的池子调度有问题。
测试代码不用写得很复杂，二三十行就够了，下面这段可以直接拿去改：
import requests
import time
API_URL = "你的提取链接" # 服务商后台复制
TARGET = "你的目标采集地址" # 改成实际要访问的页面
def test_one(ip_port):
proxies = {"http": f"http://{ip_port}",
"https": f"http://{ip_port}"}
start = time.time()
try:
r = requests.get(TARGET, proxies=proxies, timeout=8)
return r.status_code == 200, (time.time() - start) * 1000
except Exception:
return False, 0
# 抽50个IP做样本
sample = requests.get(API_URL).text.strip().split()[:50]
ok, latencies = 0, []
for ip in sample:
success, ms = test_one(ip)
if success:
ok += 1
latencies.append(ms)
print(f"可用率: {ok / len(sample):.1%}")
if latencies:
print(f"平均延迟: {sum(latencies) / len(latencies):.0f}ms")跑完这份脚本，两分钟就能拿到第一手数据。以神龙HTTP为例，官方标称可用率99.9%，实测偏差在两个百分点以内，说明数字是实的；如果宣传99%实测只有七成，那就直接淘汰。
几个踩过的坑，帮你省点学费
最后分享几个实战里栽过跟头的地方，都是真金白银换来的教训：
坑一：只看单价，不看计费方式。有的按提取数计费，有的按流量计费，还有包时的。按提取计费对失败IP不友好——提出来连不上也算钱；按流量计费适合页面大的采集。先估算自己的请求量和页面大小，再反推哪种划算。
坑二：超时设太短。有次我把超时设成2秒，结果把一批响应偏慢但完全可用的IP误判成失效，可用率被我自己测低了。建议首次测试放宽到8到10秒，摸清延迟分布后再逐步收紧。
坑三：没有重试机制。单个IP请求失败就把整个任务丢掉，等于把可用率风险全转嫁给了任务成功率。正确做法是失败后自动获取新的IP再试一两次。
坑四：不看后台监控。正规服务商都有可视化用量统计，比如神龙HTTP的个人中心能看到实时监控和异常识别。有段时间我们的成功率莫名下滑，靠后台的趋势图才发现是某个时段目标站收紧了风控，及时调整了请求频率才恢复。这些数据放着不用，太可惜了。
常见问题
Q: 免费代理能不能凑合用？
练手可以，正经项目别用。免费池子的可用率通常不到20%，延迟高、纯度差，你花在重试和异常处理上的时间成本，远超省下的那点代理费。
Q: 官方说可用率99.9%，我自己测出来低很多，正常吗？
先排查自己的测试环境：超时是不是设太短、认证配置对不对、是不是把本地网络波动算进去了。排除自身因素后差距仍然大，说明对方数字有水分，按实测数据做决策。
Q: 需要指定城市的IP，怎么确认服务商支持？
直接看提取参数里有没有城市级选项，然后提取一批指定城市的IP，请求一个能返回归属地的接口做核验。神龙HTTP支持300+城市级精准定位，这类需求在提取时就能直接指定。
Q: 接入代理要大改代码吗？
不用。主流做法是在请求库里加一个proxies参数，几行代码的事。正规服务商的API都兼容常见的爬虫编程语言，神龙HTTP还提供文档和示例代码，接入卡住了可以直接找他们7×24小时的技术支持。
