Scylla——开源免费的优秀代理 IP 池：自动验证、JSON API、基于 React 的 Web UI、Docker 支持

[WildCat]

GitHub：https://github.com/imWildCat/scylla

中文文档：https://scylla.wildcat.io/zh/latest/

自己是一个爬虫爱好者，有时候爬虫写的太过强大了被目标网站封了（笑）。所以就萌生了用代理 IP 的想法。很可惜很多开源代理 IP 池都是没有持续维护的，代码也比较奇怪。于是自己就写了一个。特性大概有：

• 自动化的代理 IP 爬取与验证
• 易用的 JSON API
• 简单但美观的 web 用户界面，基于 TypeScript 和 React （例如，代理的地理分布）
• 最少仅用 一条命令 即可启动
• 无头浏览器（ headless browser crawling ）爬虫

欢迎在贴中留下您的邮箱，我可以发送你 demo 地址（暂时不打算公开发布）。如果您想留邮箱，请注意：

• 可以使用 base64 编码
• 在您的回复的第一行或者最后一行写
• 也可以用 [at] 替代 @

附：几个截图 demo

截图 1: Web UI （代理 IP 列表）

截图 2: Web UI （代理 IP 的地理分布）

因为是用爬虫脚本自动爬 emails，所以：

**Email 地址请单独一行写，谢谢！**千万不要在 base64 后面加任何字符，这样会被我的智障脚本忽略。

另外，关于一些 features (#49)：

IP 验证策略

@golmic 关于 IP 验证策略：目前的策略有点过于简单，由于这个项目已经写了一个月了，决定先发出来（骗一波 stars ）让自己更有动力去写 =。= 我会在近期完善验证策略，并且把验证策略的文档完善： https://github.com/imWildCat/scylla/issues/16

Forward proxy

@binux 原来这个名词叫 forward proxy，感谢！我其实一开始是有这样的想法的，但是有一些担心所以没在初版实现：

• 担心自己实现的 forward proxy 性能不足比较鸡肋
• 担心 XX 找到 G 点说我 XXX （你懂）
• 实现比较 rough 可能没什么用
• 还有就是如何给 clients 分配代理也是一个问题。一开始可以考虑随机分配，但是我理想的情况是：
• a. clients 的 HTTP Request 带一个类似 hash 的 header，固定 hash 对应固定代理
• b. Scylla 里自动分析请求的 HTTP Header，比如针对 Cookies 中的 session 做一次 hashing。如果判定是同一个 session 的请求，就用同一个 IP。难点在于如何判断 session id。

我考虑先加入随机分配代理的 forward proxy： https://github.com/imWildCat/scylla/issues/17

根据国家返回 proxy

@zqjilove 收到需求，下一个小版本就加入： https://github.com/imWildCat/scylla/issues/18

在 27, May, 2018 @ 16.50 (UTC) 时，这个项目登上了 GitHub trending 第五，感谢大家！

[Baboonowen]

打破惨案

[flyxl]

赞楼主，求 demo

[1daydayde]

先赞一个

[artandlol]

YXJ0YW5kbG9sI2dtYWlsLmNvbQ==

[golmic]

i [at] lujq.me

想知道 IP 的验证策略。因为我觉得 IP 代理池的核心就是这个。只有策略出色才能突出

[binux]

我一直觉得最好用的代理 IP 池接口就是 forward proxy。
forward proxy 对应用透明地自动 rotate，抓取的同时天然地自动验证。

[B1ock]

bWFza3NzQHByb3Rvbm1haWwuY29t
感谢

[o00o]

IHJvbW90Y0BnbWFpbC5jb20g
谢谢

[panyanyany]

NTY4Mzk3NDQwQHFxLmNvbQ==

请问楼主这些 ip 是从哪里来的呢，全网扫描还是？

[panyanyany]

@panyanyany #9 不好意思，原来还有个 providers 文件夹，现在知道是扫公开的代理了

[ThirdFlame]

ZmFuZGVsYWppQGdtYWlsLmNvbQ==

[airyland]

赞，docker 无痛安装成功

[zqjilove]

API 接口支持国家输出就好了

[131]

YmxvZ0Btb2UuaW0=

谢谢！

[cyn]

Y3lubGl0dGxlW2F0XTEyNi5jb20=
支持，感谢！

[dex2jar]

ODA3NjYwMDcxQHFxLmNvbQ==
谢谢楼主。看起来挺好的，前段时间刚买了 5 块的 ip

[gclm]

gclm159[at]gmail.com
支持，感谢

[Sixzeroo]

c2l4emVyb282MEBnbWFpbC5jb20=
感谢楼主

[airyland]

报个问题，开始接口报 500，过一会正常，运行一段时间后 stats 500，proxy 列表为空。

[ccbikai]

chi#miantiao.me 谢谢楼主，自己也在爬各个代理网站的 IP，支持 https 的很少

[faceair]

v2ex#faceair.me 感谢楼主

[noqwerty]

emhvdS56eS55aUBnbWFpbC5jb20=
谢谢楼主。

[shenlw66]

c2hlbmx3NjZAZ21haWwuY29t
感谢

[tcpdump]

回复标记一下

[caoyufei]

YXRjYW95dWZlaUBnbWFpbC5jb20=
感谢

[cocang]

Y2hvdWNoYW5nemh1QGdtYWlsLmNvbQ==
谢谢楼主

[JakeZou]

em91bHV4QDEyNi5jb20=

[weegc]

d2VlZ2NAMTYzLmNvbQ==

谢谢楼主

[yfgeek]

非常棒！正好有这个需求，粉了！

[congeec]

Q29uZ2VlY0BxcS5jb20=
好人一生平安
不过代理池怎么还有爬虫功能呢？

[chroming]

跟这个比有什么优势吗？ https://github.com/SpiderClub/haipproxy

[ywind]

Z3Vvc2h1a2FuZ0Bob3RtYWlsLmNvbQ==
感谢

[Akagi201]

YWthZ2kyMDFAZ21haWwuY29tCg==

[gitopen]

Z2l0b3BlbkBnbWFpbC5jb20=

[alphabity]

YWxwaGFiaXR5QGdtYWlsLmNvbQ==

[lje024]

c3JnYjY4OUBsamVlZHUubWw=
感谢

[yodeser]

eW9kZXNAeW9kZXMuY24=
感谢感谢

[Yinnfeng]

bGltaXRzeTIxN0BnbWFpbC5jb20=
感谢

[trimleo]

bGVvY2xvdWR5QGdtYWlsLmNvbQ==
感谢

[aiguozhedaodan]

YWlndW96aGVkYW9kYW5AZ21haWwuY29t
感谢

[bigtwo]

aGFoYUBvZmZpY2UyMDE2LnNpdGU=
不胜感激

[hlwjia]

aGx3amlhQGZveG1haWwuY29t

谢谢

[IllBeBack]

谢谢
enByZWdpc3RlckBnbWFpbC5jb20=

[yazoox]

eWF6b294QHNpbmEuY29t

谢谢！

[Oneneuuu]

Mjc3MTc5MjMwMUBxcS5jb20=

给力！大兄弟，多谢

[j0hnj]

bmlnZWxjaGlhbmdAb3V0bG9vay5jb20=

代码不错~

[byron]

Ynlyb25qaWFAZ21haWwuY29t

吼啊。

[chenggiant]

Y2hlbmdjaGlidEBnbWFpbC5jb20=

赞！

[echopan]

ZWNob3BhbjEyMzRAaG90bWFpbC5jb20= 谢谢

[WildCat]

@golmic
关于 IP 验证策略：目前的策略有点过于简单，由于这个项目已经写了一个月了，决定先发出来（骗一波 stars ）让自己更有动力去写 =。=
我会在近期完善验证策略，并且把验证策略的文档完善： https://github.com/imWildCat/scylla/issues/16

@binux 原来这个名词叫 forward proxy，感谢！我其实一开始是有这样的想法的，但是有一些担心所以没在初版实现：
- 担心自己实现的 forward proxy 性能不足比较鸡肋
- 担心 XX 找到 G 点说我 XXX （你懂）
- 实现比较 rough 可能没什么用
- 还有就是如何给 clients 分配代理也是一个问题。一开始可以考虑随机分配，但是我理想的情况是：
- a. clients 的 HTTP Request 带一个类似 hash 的 header，固定 hash 对应固定代理
- b. Scylla 里自动分析请求的 HTTP Header，比如针对 Cookies 中的 session 做一次 hashing。如果判定是同一个 session 的请求，就用同一个 IP。难点在于如何判断 session id。

我考虑先加入随机分配代理的 forward proxy： https://github.com/imWildCat/scylla/issues/17



@airyland 请发下 logs，非常感谢！



@zqjilove 收到需求，下一个小版本就加入： https://github.com/imWildCat/scylla/issues/18

[momocraft]

bWVAam9rZXN0ZXIuaW8=

感谢 (应该不会用很多)

[bbbb]

aGVsbG9oZnlAZ21haWwuY29t

[SingeeKing]

aW1zaW5nZWVAZ21haWwuY29t

[WildCat]

> @chroming 提问： 跟这个比有什么优势吗？ https://github.com/SpiderClub/haipproxy

既然你诚心诚意的发问了，那我就王婆卖瓜下啦（ 233 ）：
对比 https://github.com/SpiderClub/haipproxy，这个项目的想法如下：
1. 更简单的依赖，不需要 scrapy-splash 或者 redis。
2. 更优秀的文档，包括代码文档（虽然目前不是很完善）。
3. 我写了一些测试，尽力保证项目的可用性、维护性。
4. 完善的 Community profile （ https://github.com/imWildCat/scylla/community ），对比： https://github.com/SpiderClub/haipproxy/community。即使我以后不维护这个项目了，也希望尽可能方便大家参（ jie ）与（ pan ）
5. README 和文档里使用“盘古之白”（中文和西文字符标点之间注意加了合适的空格，适合强迫症患者阅读），参见： https://github.com/vinta/pangu.js/blob/master/README.md
6. 一个 `scylla` 命令或者其他 docker 命令即可启动，没那么多幺蛾子命令： https://github.com/SpiderClub/haipproxy#%E6%9C%8D%E5%8A%A1%E7%AB%AF

[fy]

资瓷一下。

ZnkwQHFxLmNvbQ==

[avichen]

YXZpY2hlbkAxMjYuY29t

谢谢

[armysheng]

YXJteXNoZW5nQGdtYWlsLmNvbQ==

[mikezy123]

am95emVuZzU1NUBnbWFpbC5jb20=

感谢

[breaklayer]

YnJlYWtsYXllckAxNjMuY29t

感谢

[davidf]

c3psZGZAb3V0bG9vay5jb20=

谢谢

[Cipool]

YTIyMTMxMDhAeWFob28uY29t
麻烦了

[l9rw]

aUBsOXJ3LmNu

感谢老哥

[chroming]

@WildCat #54 感谢回复。文档确实十分完善，代码也很清晰。

提一个小建议，Windows 无法直接安装 sanic，需手动设置 `SANIC_NO_UVLOOP=true` `SANIC_NO_UJSON=true` 两个环境变量才可安装。后期是否会考虑使用其他兼容 Windows 的后端模块来替换 sanic

[skwfar]

c2t3ZmFyQGdtYWlsLmNvbQ==
十分感谢

[WildCat]

@chroming 由于目前还有太多工作需要做，暂时不考虑替换 Sanic。Win 上应该可以用 Linux 子系统解决这个问题

[Lentin]

bGVudGluQG91dGxvb2suY29t

[okface]

zgp6300[at]dingtalk.com

[Seth8277]

bWFpbEBpbXNldGguY24=
谢谢

[WhyLiam]

bGlhbXpodWNlQGdtYWlsLmNvbQ==

[leeger]

emx2aXJtYWNoMUBnbWFpbC5jb20=

谢谢~~~~

[yazoox]

不好意思，楼主。不是很懂这个搜索出来的 proxy 怎么使用？
我在你的 github 里面提了一个问题， 有空可以去看看。
简单说，就是我用 SwitchyOmega，设置了一个 Scylla 搜索出来的 IP：PORT 地址，但是，貌似没啥用啊？连网络都不通......

[suxing]

MTQzMjg0NTE4M0BxcS5jb20=

[saymoon]

c2F5bW9vbkBnbWFpbC5jb20=
感谢

[ftxg]

anVob25neGlhb3Nob3VAMTYzLmNvbQ==

[gonglexin]

Z29uZ2xleGluQGdtYWlsLmNvbQ==\n

[twMM]

dGFuZ3RhbzM2NkAxNjMuY29t
谢谢楼主

[lanxyou]

感谢

bGFueHlvdUBnbWFpbC5jb20=

[keventseng]

Y2F0emlAdmlwLnFxLmNvbQ==

[iOran]

aW9zdGlueUB5YWhvby5jb20NCg==

[ARhen]

bDEwMTA5MDgzMjZAZ21haWwuY29t
谢谢楼主~

[undertonememorie]

aUBqb2tlci5vcmcuY24=
谢谢楼主

[ye3245]

eWUzMjQ1QHNpbmEuY29t
感谢

[Mervyn]

bGlmZWlmZWljaG5AMTYzLmNvbQ==
谢谢楼主。

[rik7821]

cmlrNzgyMUAxNjMuY29t
谢谢楼主

[MikeFeng]

cWlubGFuZmVuZ0Bmb3htYWlsLmNvbQ==
感谢

[caoyufei]

ipinfo
Rate limit exceeded. Subscribe to a paid plan to increase your usage limits at http://ipinfo.io/pricing, or contact us via http://ipinfo.io/contact

[oddcc]

c2t5Y2M3MTY0MEBnbWFpbC5jb20=

谢谢!

[qcloud]

搭建之后，没有 IP 耶............

[qcloud]

OTM1MjI3Nzk5QHFxLmNvbQ==

3Q

[demoxu]

@WildCat 能不能再 8081 代理制返回 https 的代理，或者指定延迟以下的

[skyzan]

MTc4MTU2NDE5NkBxcS5jb20=
感谢

[a861123145]

YTg2MTEyMzE0NUBnbWFpbC5jb20K

感谢

[7lsu]

bWlra3V5b0BnbWFpbC5jb20=
谢谢