代理脚本自动化实战：2026 配置指南

TL;DR: 代理脚本是 Web 自动化的网络控制层：在代码里定义代理协议、出口地区、鉴权、会话保持、轮换、限速、重试和日志。生产环境不要只把一个代理地址塞进 Selenium；应先用最小请求测通，再按“登录态用粘性会话、公开页面按批轮换、失败分类处理、每次请求可追踪”的方式落地。

代理脚本到底控制什么

Web 自动化代理脚本会把 Selenium、Playwright、接口测试或采集脚本的请求先发到代理网关，再由代理访问目标站点。它主要控制 4 件事：出口 IP、协议类型、认证方式和会话策略。

常见分层如下：

• 脚本层：Python、Node.js、Java 或 .NET 读取代理配置，设置超时和重试。
• 客户端层：浏览器驱动或 HTTP 客户端把请求转发到代理。
• 代理层：HTTP(S) 或 SOCKS5 网关负责出站访问、地区路由和会话保持。
• 观测层：日志记录代理 ID、地区、状态码、耗时和重试次数。

因此，代理脚本不是“隐藏脚本”的技巧，而是把网络路径变成可配置基础设施。W3C WebDriver 规范定义了浏览器自动化中的 proxy 能力；Python Requests 也在官方文档中支持按协议配置代理；HTTP 407 的语义由 RFC 9110 定义为“需要代理认证”；robots.txt 的规则由 RFC 9309 标准化。把这些行为写进脚本，比依赖浏览器默认设置更可控。

参考资料：

• W3C WebDriver 代理能力
• Requests 代理配置
• RFC 9110：HTTP 407
• RFC 9309：robots.txt

最小可运行代理脚本

落地时，先用 HTTP 客户端验证代理，再接入浏览器。这样可以把“代理不可用”和“Selenium 配置错误”分开排查。

import os
import requests

proxy = "http://{user}:{pwd}@{host}:{port}".format(
    user=os.getenv("PROXY_USER"),
    pwd=os.getenv("PROXY_PASS"),
    host=os.getenv("PROXY_HOST"),
    port=os.getenv("PROXY_PORT"),
)

proxies = {
    "http": proxy,
    "https": proxy,
}

r = requests.get(
    "https://example.com",
    proxies=proxies,
    timeout=(5, 20)  # 连接超时 5 秒，读取超时 20 秒
)

print(r.status_code, r.elapsed.total_seconds())

生产环境至少加 3 个保护：

1. 密钥不进仓库：用户名、密码、端口放在环境变量或 Secret Manager。
2. 超时必须显式设置：连接超时、读取超时、最大重试次数都写进配置。
3. 日志不打印凭据：只记录代理地区、会话 ID、状态码和耗时。

鉴权方式要结合运行环境选择。固定 CI 出口可以用 IP 白名单减少凭据暴露；Kubernetes、临时 Runner、本地开发机更适合用户名密码。

在 Selenium 中接入代理

通过最小请求确认代理可用后，再把同一组配置接入 Selenium。Selenium 代理应在浏览器启动前写入，不要让业务断言承担网络故障。

from selenium import webdriver
from selenium.webdriver.chrome.options import Options

options = Options()
options.add_argument("--proxy-server=http://host:port")

driver = webdriver.Chrome(options=options)
driver.set_page_load_timeout(30)
driver.get("https://example.com")
print(driver.title)
driver.quit()

注意 2 个细节：

• Chrome 启动参数里直接写 user:pass@host:port 在不同版本中表现不稳定；如果要在浏览器层做用户名密码认证，优先使用 IP 白名单、受控扩展或框架级代理能力。
• 登录、购物车、表单回放这类流程不要频繁换 IP。一个浏览器上下文应绑定一个粘性会话，否则 Cookie、地区、账号风控状态会漂移。

如果你的任务是公开页面采集，可以参考如何在不被阻止的情况下自动化网页抓取中的限速和重试思路；如果涉及数据采集边界，先阅读代理抓取的伦理使用。

轮换代理、粘性会话与重试

完成基础接入后，关键是把出口更换的节奏写清楚。轮换代理适合无状态任务，粘性会话适合连续流程；不要写成“每个请求都换 IP”的固定规则。

重试只处理可恢复错误。连接超时、临时 5xx 可以指数退避；407 说明代理鉴权失败，应立即熔断并告警；403、429 或验证码通常表示目标站策略触发，应降低频率、检查条款和 robots.txt，而不是继续加并发。

建议每次请求记录 6 个字段：proxy_id、国家/城市、会话 ID、目标域名、状态码、耗时。没有这些字段，排查“慢”“失败”“地区不对”只能靠猜。

选择代理资源时看哪些指标

策略稳定之后，再评估代理资源。代理自动化不要只看单价，更实用的指标是“成功请求成本”：总费用 ÷ 成功完成的请求数。一个便宜但超时率高的代理池，会把时间浪费在重试、验证码和失败回放上。

EProxies 的住宅代理覆盖 195+ 国家/地区、7200 万+住宅 IP，支持 HTTP(S)、SOCKS5、用户名密码和 IP 白名单；平台标称 98.2% uptime，并提供 99.9% uptime SLA。住宅代理按量从 $0.25/GB 起，300GB 档约 $0.73/GB；ISP SOCKS5 从 $0.95/IP 起；无限套餐从 $79/月 起。小团队可以先用低流量验证脚本稳定性，再扩大并发。

如果目标是匿名浏览环境，而不是自动化采集，可继续看 Building an Anonymous Web Browsing Setup。

常见故障排查

即使配置正确，代理自动化仍可能在网络、鉴权、目标站策略或会话一致性上出问题。排查时先定位错误类型，再决定是修配置、降频率还是调整会话策略。

连接超时

先用 curl -x 或 Requests 测试同一代理。若 HTTP 代理误填成 SOCKS5，浏览器通常会直接连接失败；若只有特定目标慢，问题可能在目标站、地区距离或页面资源数量。

407 鉴权失败

407 表示代理要求认证。检查用户名、密码、端口、套餐类型和 IP 白名单；CI 出口 IP 变化后，白名单也要同步更新。

403 或 429

403 通常是目标站拒绝访问，429 通常是请求频率过高。正确处理是降速、减少并发、延长间隔、检查访问规则，而不是立刻扩大代理池。

会话地区漂移

同一用户流程中途换 IP，会导致页面语言、价格、库存、登录状态变化。把会话 ID 与浏览器上下文绑定，并在用例开始前访问 IP 回显页确认地区。

常见问题

代理脚本通常用来做什么？

代理脚本用于把自动化程序的 HTTP(S) 或 SOCKS5 请求路由到指定代理节点，常见用途包括本地化 QA、公开网页数据采集、价格监测、搜索结果校验和多地区回归测试。它的价值不是单纯换 IP，而是把出口、会话、重试、限速和日志变成可复现配置。

如何设置一个代理脚本？

先选择协议和鉴权方式，再用 Requests 或 curl -x 测通代理，最后把代理配置注入 Selenium、Playwright 或 API 客户端。生产环境应把凭据放入环境变量或密钥管理工具，并设置连接超时、读取超时、最大重试次数和失败日志。

代理自动化有哪些最佳实践？

最佳实践是把代理选择、会话策略、限速、重试和日志集中到配置层，而不是散落在测试代码里。登录态流程使用粘性会话，公开页面按批轮换；只对超时和临时 5xx 做退避重试，407、403、429 要分类处理。每次请求记录代理 ID、地区、会话 ID、状态码和耗时，并遵守目标站条款、robots.txt 与适用法律。

轮换代理是如何工作的？

轮换代理会在请求批次或浏览器会话之间更换出口 IP，把访问分散到不同住宅或 ISP 节点。粘性会话则在一段时间内保持同一出口，适合登录、购物车和地区一致性测试。

Selenium 代理脚本应该用 HTTP(S) 还是 SOCKS5？

只做网页和接口自动化时，HTTP(S) 代理通常更容易配置和调试。SOCKS5 更适合需要连接层转发、非 HTTP 客户端或统一 DNS 行为的任务；具体协议应按任务拆分。

代理脚本会拖慢 Web 自动化吗？

会增加一次网络转发，但总耗时通常还取决于目标站响应、页面资源数量、代理地区和重试次数。优化时先禁用非必要图片、字体和跟踪资源，再控制并发；如果必须验证某个市场，就选择靠近该市场的国家或城市出口。